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

Russian

Рассмотрим проблему контекстной линейной оптимизации, при которой система прогнозирования и оптимизации (PTO) возвращает оптимальные решения без раскрытия векторов затрат, используемых в ее линейной программе в дальнейшем. Наш фокус заключается в том, как предотвратить атакующих, которые могут подавать контекстные запросы, от извлечения основной модели прогнозирования. Хотя карта затрат к решению является множественной, наблюдения через контексты могут раскрыть основную модель прогнозирования.

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