Newest papers

Preventing Model Extraction in Contextual Linear Optimization

Adam N. Elmachtoub, Tianyi Lin, Wenxuan Liu · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29918 · open-access PDF

Arabic

فكر في مشكلة تحسين الخطية السياحية ، حيث يعود نظام تحديد ثم تحسين (PTO) القرارات المثالية دون إظهار المركبات التكلفة المستخدمة في برنامج الخطية المستقبلية. تركزنا على كيفية منع المهاجمين الذين يمكنهم تقديم استفسارات السياحة من استخراج نموذج التوقعات الأساسية. على الرغم من أن خريطة التكلفة إلى القرار متعددة النطاقين ، إلا أن الملاحظات عبر السياحة يمكن أن تكتشف نموذج التوقعات الأساسية. بالنسبة إلى نموذجات الخطية ، نحن نقدم شروط كافية حيث يمكن للمهاجم التعرف على نموذج التوقعات إلى نموذج إيجابي فقط من خلال النظر في القرار.

Machine translation (Meta M2M100); the English original follows.

Abstract

Consider a contextual linear optimization problem, where a predict-then-optimize (PTO) system returns optimal decisions without revealing the cost vectors used in its downstream linear program. Our focus is on how to prevent attackers, who can submit context queries, from extracting the underlying prediction model. Although the cost-to-decision map is many-to-one, observations across contexts can reveal the underlying prediction model. For linear models, we provide sufficient conditions where the attacker can learn the model up to positive scaling by only observing the decision. These conditio

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange