提出无需重训的逐样本隐私风险评分

Dorseuil 等（DI-ENS/CMAP）在 NeurIPS 2026 发表论文（arXiv:2602.15919），提出一种评估单个训练点对成员推理攻击（MIA）脆弱性的方法，无需训练 shadow 模型，只需一个已训练模型即可计算。 方法的依据是：单样本 MIA 暴露程度不仅由该点的损失值决定，还受一种数据相关的几何度量影响。作者在线性设定下推导出包含 population leverage score 和残差损失项的闭式分解；由于多数现代架构最后一层是线性层，该方法可基于最后一层表征计算替代分数。论文称，在识别最高风险样本上，该方法优于基于损失和梯度范数的基线。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。