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

Vietnamese

Kiểm toán quyền riêng tư thực nghiệm đánh giá rò rỉ quyền riêng tư bằng cách sử dụng các cuộc tấn công kết luận thành viên để thiết lập giới hạn thấp hơn về mất quyền riêng tư. Chúng tôi xem xét một thiết lập kiểm toán quan sát trong đó kiểm toán viên không thể chèn canaries, kiểm soát việc bao gồm dữ liệu, hoặc đào tạo lại mô hình mục tiêu, và thay vào đó phải dựa vào các tập hợp cố định của các thành viên đã biết và không thành viên. thiết lập này có liên quan đến các mô hình được triển khai lớn hoặc khi đào tạo lại bị hạn chế bởi các hạn chế tính toán hoặc truy cập.

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