Neighborhood Watch: Privacy Risks in Seeded Local Combination Synthetic Data
该论文研究了基于局部组合(local combination)方法的合成数据生成技术所导致的隐私泄露风险。合成数据被视为在敏感场景下共享数据的一种有前景的解决方案,但近年来的隐私攻击研究表明,尤其是那些不基于差分隐私等正式隐私框架的合成数据
共收录 2 条相关情报。
← 返回所有主题该论文研究了基于局部组合(local combination)方法的合成数据生成技术所导致的隐私泄露风险。合成数据被视为在敏感场景下共享数据的一种有前景的解决方案,但近年来的隐私攻击研究表明,尤其是那些不基于差分隐私等正式隐私框架的合成数据
大型语言模型(LLMs)在交互式和检索增强场景中日益部署,引发了显著的隐私担忧。以往的研究通常孤立地分析成员推断攻击(MIA)、属性推断攻击(AIA)、数据提取攻击(DEA)和后门攻击(BA),缺乏对它们在常见系统因素下行为的统一理解。本文