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

Russian

Аудит конфиденциальности эмпирически оценивает утечку конфиденциальности, используя атаки вывода членства для установления более низких границ потери конфиденциальности. Мы рассматриваем настройку обсервативного аудита, в которой аудитор не может вводить каналы, контролировать включение данных или переподготовку целевой модели, а вместо этого должен полагаться на фиксированные наборы известных членов и не членов. Это положение актуально для больших развернутых моделей или когда переподготовка ограничена вычислительными или ограничениями доступа.

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