研究者提出合成数据隐私审计统计框架

Kareem Amin 等作者提出一个可定制的实证审计框架，用于检测并解释合成数据生成中的隐私泄露。该框架区分系统直接复现用户信息的“真实泄露”与偶然生成用户数据的“幻影泄露”。 方法上，研究者将数据划分为训练集与留出集，通过严格统计假设检验判断观测到的泄露是否符合零学习或特定差分隐私边界等隐私基线，且无需模型访问、canary 插入或参考模型训练。

AI 根据报道生成 · 51 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。