跳到正文
热点事件持续更新

研究指差分隐私审计存在选择偏差

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Valentin Dorseuil 等作者发表论文称,先前许多成员推理攻击(MIA)审计实现在运行攻击时引入选择偏差,导致差分隐私(DP)机制的下界估计在统计上无效且被高估。 该工作引入统计学方法纠正这一偏差,并重新分析既有审计结果:未做统计校正时,这些审计违反理论上界的频率最高可达其声称置信水平的四倍;校正后下界在统计上有效,违规率不超过名义水平。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月21日
  1. arXiv cs.AI
    差分隐私审计中的选择偏差:如何可靠估计隐私下界

    研究发现,先前工作中的许多成员推理攻击(MIA)审计实现存在选择偏差,导致差分隐私(DP)机制的下界估计在统计上无效且被高估。该工作引入统计学方法纠正这一偏差,并重新分析既有审计结果:未做统计校正时,这些审计违反理论上界的频率最高可达其声称置信水平的四倍;校正后下界在统计上有效,违规率不超过名义水平。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。