The Privacy Fallacy of Crowdsourced Fine-Tuning: Extracting Proprietary Data via Topic-Based Poisoning
该论文研究监督微调（SFT）流程中被长期忽视的一个隐私风险。当前大模型适配下游任务普遍依赖众包方式收集用户对话作为 SFT 数据，以降低人工标注成本，但这也意味着不受信任的用户可以向微调数据管道中注入数据。作者提出的核心问题是：恶意用户是否
#crowdsourcing
共收录 5 条相关情报。
← 返回所有主题Trust the Crowd: Wireless Witnessing to Detect Attacks on ADS-B-Based Air-Traffic Surveillance.
ADS-B（自动相关监视-广播）已成为空中交通监视的事实标准，所有飞机被要求主动广播包含身份、位置和运动信息的报文。然而，ADS-B缺少安全机制，使其容易遭受有能力的攻击者的网络攻击，从而危及航空安全。本文提出一种非侵入式的信任评估系统，用
Robust Reputation-Driven Crowdsourced Federated Learning
本文关注众包联邦学习（Crowdsourced Federated Learning, CrowdFL）中的鲁棒性量化问题。CrowdFL通过众包范式允许开放、异构的参与，扩展了传统联邦学习，而声誉驱动的激励机制常被用于引导工人选择并增强可
A Penny for Your Prompts: Experiments Detecting and Mitigating LLM Usage by Survey Respondents
本研究针对众包平台（如Prolific和Mechanical Turk）上调查问卷参与者越来越多使用大型语言模型（LLM）辅助回答的现象，旨在量化这种行为的普遍性并探索检测与缓解方法。研究团队开展了一系列调查（样本量N=250），系统评估了
DARTIC: Decentralized Anonymous Reputation at Scale for Trustworthy Crowdsourcing
本文提出一个名为DARTIC的去中心化匿名声誉框架，旨在解决链上众包系统中匿名性、声誉绑定和可扩展性之间的矛盾。现有去中心化声誉系统通常无法同时满足这三个要求。DARTIC采用双账本系统，允许请求者和工作者在不同交互中使用不同假名，实现不可