Newest papers

Shift-aware score transport for privacy auditing without retraining

Yaohong Yang, Gauri Pradhan, Qi Chen, Samuel Kaski, Antti Honkela · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31549 · open-access PDF

Hindi

गोपनीयता समीक्षा गोपनीयता हानि के कम सीमाओं को स्थापित करने के लिए सदस्यता निष्कर्ष हमलों का उपयोग करके गोपनीयता अधिग्रहण का अनुसंधान करता है. हम एक निरीक्षण समीक्षा सेटिंग पर विचार करते हैं जिसमें समीक्षक कैनरी दर्ज नहीं कर सकता है, डेटा समावेश को नियंत्रित नहीं कर सकता है, या लक्षित मॉडल को फिर से प्रशिक्षित नहीं कर सकता है, और इसके बजाय ज्ञात सदस्यों और गैर सदस्यों के स्थिर सेट पर भरोसा करना होगा. यह सेटिंग बड़े तैनात मॉडल के लिए प्रासंगिक है या जब पुनः प्रशिक्षण गणनात्मक या एक्सेस प्रतिबंधों द्वारा प्रतिबंधित है. इस मामले में, ऑडिट के लिए उपलब्ध गैर सदस्यों को प्रशिक्षण डेटा से वितरण में अंतर हो सकता है, जिससे सदस्यता-अनुबंधन का कारण बनता है

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

Abstract

Privacy auditing empirically assesses privacy leakage by using membership inference attacks to establish lower bounds on privacy loss. We consider an observational auditing setting in which the auditor cannot insert canaries, control data inclusion, or retrain the target model, and must instead rely on fixed sets of known members and non-members. This setting is relevant for large deployed models or when retraining is restricted by computational or access constraints. In this case, non-members available for auditing may differ in distribution from the training data, causing membership-inferenc

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

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