合成基因表达数据被视为受控访问基因组库的隐私保护替代方案,但其隐私安全性必须通过实证审计验证。成员推断攻击(MIA)通过判断某患者的基因表达谱是否参与生成模型训练来完成这一审计。本文针对 ELSA Health 2026 挑战赛发布的、源自 TCGA bulk RNA-seq 的合成基因表达数据开展红队研究。作者将五种无盒(no-box)成员推断攻击统一到一个加权距离框架下,各变体仅在基因加权方式上不同:均匀加权(基线)、按方差加权、按合成数据与参考数据的 KL 散度加权、通过谱残差化去除主成分的加权、以及基于精选通路成员的加权。在条件变分自编码器(cVAE)上,谱残差化将 pan-cancer TCGA 的 AUC 从 0.8251 提升至 0.8951,1% FPR 下的 TPR 从 0.3842 提升至 0.5970。基于生物通路的先验加权未能跨目标迁移。该工作为合成基因组数据的隐私审计提供了统一方法学参考,并揭示了谱残差化在无盒攻击中的显著优势。适合基因组隐私、合成数据生成与机器学习隐私审计的研究者阅读。
💡 推荐理由: 合成基因数据常被当作隐私保护方案,但本研究显示无盒成员推断攻击仍可有效泄露训练数据成员信息,谱残差化更大幅提升攻击成功率。对基因组数据发布方和隐私审计者具有直接警示。
🎯 建议动作: 研究跟进