Leaky Students: Membership Inference against On-Policy Distillation
该论文研究的是「在线策略蒸馏（On-Policy Distillation, OPD）」场景下的成员推断攻击（Membership Inference）。OPD 的训练方式与传统蒸馏不同：它让学生模型在自己生成的轨迹上，去匹配教师模型给出的
#knowledge-distillation
共收录 6 条相关情报。
← 返回所有主题PlanGuard: A Guardrail for Multi-Step Plan Safety in Embodied Agents
具身智能体（embodied agent）在执行任务前通常会由任务规划器生成多步计划，而子任务之间的依赖关系以及与物理环境的交互，可能在执行过程中叠加出单步看起来无害、整体却具备物理危险性的组合风险。论文指出，现有防护手段存在明显盲区：通用
ReCAST: Restoration-aware Cascaded Stage-wise Training for Obfuscated SMS Risk Classification
该论文提出 ReCAST（Restoration-aware Cascaded Stage-wise Training）框架，用于解决中文短信中混淆文本的风险分类问题。研究背景是：欺诈短信通过精心设计的混淆策略（如谐音、形近字、插入符号等）
ADS-C: Antidistillation Sampling for Classification
该论文研究了分类模型中的反蒸馏采样问题。知识蒸馏攻击中，攻击者通过查询目标分类器的预测接口，利用返回的概率向量训练一个替代模型，从而窃取模型功能。此前针对大语言模型提出的反蒸馏采样方法通过输入相关的梯度导向扰动来防御此类攻击，但该方法在分类
Unlearning to Protect: A Distilled Reinforcement Learning Framework with Privacy-Preserving Feature Unlearning and XAI for IoT Security
该论文针对物联网设备面临的僵尸网络攻击（如DDoS、数据窃取等）提出了一种轻量级、强化学习驱动的框架DiRLU。现有AI方案存在两大局限：模型过重难以部署于IoT设备，且缺乏“遗忘”能力（即无法在不重新训练的情况下移除敏感或过时特征）。Di
Safeguarding Text-to-Image Generative Models Against Unauthorized Knowledge Distillation
本文针对文本到图像生成模型（如 Stable Diffusion）在作为云端 API 服务部署时面临的模型窃取攻击展开研究。攻击者可以通过反复查询 API 收集大量生成的合成图像，并用这些图像训练私有替代模型，从而实现未经授权的知识蒸馏和能