Auditing the Privacy of Synthetic Gene Expression Data: A Unified Weighted-Distance Framework for No-Box Membership Inference
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
#synthetic-data
共收录 24 条相关情报。
← 返回所有主题Understanding Private Evolution as Learning-Augmented Clustering
本文研究差分隐私合成数据生成算法 Private Evolution（PE）的理论性质与改进方案。PE 是一种在差分隐私约束下生成合成数据的迭代式算法，其工作方式可以形式化为一种 Wasserstein（最优传输）学习过程：算法反复从生成器
Geometry-Adaptive Mechanisms for Private Synthetic Data
该论文研究的是差分隐私（DP）合成数据生成中的效用保证问题，具体以 1-Wasserstein 距离作为效用度量。背景与核心问题：对定义在 [0,1]^d（d≥2）、样本量为 n 的数据集，已有纯 ε-差分隐私机制所能达到的期望 1-Was
MiST: Mid-Training LLMs for Cybersecurity
网络安全领域兼具高风险决策属性与高度专业化的技术语言，对通用大语言模型构成显著挑战。该论文提出 MiST（Mid-trained Security Transformer），包含 8B 与 32B 两个参数规模的模型系列，均在公开网络安全基
Intrinsic-Dimensional Wasserstein Guarantees for Private Synthetic Measures
该论文研究的是差分隐私合成测度（differentially private synthetic measure）的效用上界问题，属于差分隐私与最优传输/高维统计交叉的理论工作。作者考虑最坏情况数据模型：给定 [0,1]^d 空间中的 n
Subgroup Membership Inference Audits of Differentially Private Synthetic Text
该论文关注差分隐私（DP）合成文本发布中的残余隐私风险审计问题。合成数据被越来越多地提议作为敏感真实数据的替代品发布，即使通过DP对最坏情况隐私泄露提供理论保证，实践中仍存在残余风险。现有的成员推断攻击（MIA）审计只测量随机抽取记录的平均
Removing Speech, Keeping Activities: A Privacy Firewall for Acoustic Sensing in Assisted Living
针对辅助生活场景中老年人日常活动监测的声学传感技术,语音隐私泄露是阻碍其实际部署的关键壁垒。本文提出了一种基于U-Net编码器-解码器结构的隐私防火墙管道,完全使用合成数据训练,能够从环境音频中移除语音成分,同时保留与日常活动相关的环境声音
Position: Privacy Is a Claim, Not a Property of Synthetic Data
合成数据已成为机器学习研究中的常见工具，在隐私敏感场景中的应用尤其广泛。然而，作者指出一个关键转变：合成数据在实践中已从“给定假设下的残余推理风险声明”悄然转变为“由数据生成过程本身得出的外观属性”，即许多研究者默认生成出来的数据就具备隐私
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
Aray: Deterministic-First Synthesis of Benign Artifacts for YARA Validation
YARA规则易于分发，但用于验证正匹配的恶意软件样本却难以共享，给存储、持续集成、灾难恢复演练和可复现的扫描器验证带来麻烦。构造替代固定件（fixture）并不仅仅是嵌入字面量：YARA条件可能组合多种结构，如备选分支、计数、偏移、整数读取
SynthGuard-ReleaseBench: Locked-Audit Evidence for Synthetic Tabular Data Releases
该论文提出 SynthGuard-ReleaseBench，一个针对合成表格数据发布的审计框架。传统上，合成数据通常通过真实性、隐私性或下游任务分数来评估，但这些指标无法回答一个关键问题：对于特定的使用场景、目标人群和威胁模型，该发布是否得
Overcoming Data Scarcity and Confidentiality in Hardware Assurance via Synthetic Generation
本文针对硬件保障（Hardware Assurance）中扫描电子显微镜（SEM）图像分析面临的数据稀缺与机密性挑战，提出了一种隐私保护的合成数据生成流程。硬件验证依赖SEM对纳米级结构进行自动分析，但构建大规模高质量数据集受限于采集耗时以
From Profiling to Parameterization: Physics-Guided Acoustic Eavesdropping via Smartphone Accelerometers
本文提出 LEAKFORGE，一个设备无关的框架，将跨设备加速度计窃听问题转化为物理引导的数据生成问题。作者指出，设备相关的泄漏并非任意，其主导变化局限于音频到加速度计传递函数的一个受限族。LEAKFORGE 通过采样该传递函数族，从普通语
Optimal Domain-Aware Privacy Mechanisms for Synthetic Data Generation
本文研究了差分隐私（DP）在合成数据生成中的固有权衡：隐私保护与统计保真度之间的矛盾。现有方法虽然利用公共数据来改善这一权衡，但通常仅在预处理（如使用预训练生成模型）或后处理（如匹配从公共数据集估计的目标统计量）中间接使用公共数据，而依赖领
SoK: Can Synthetic Images Replace Real Data? A Survey of Utility and Privacy of Synthetic Image Generation.
本文是一篇系统化知识综述（SoK），旨在系统评估合成图像能否替代真实图像数据在机器学习中的应用，重点分析了合成图像的效用（utility）与隐私保护（privacy）之间的权衡。研究首先梳理了当前主流的合成图像生成方法，包括生成对抗网络（G
Forensic-Oriented Intrusion Detection Using Synthetic Network Traffic Data and Explainable Artificial Intelligence
该论文提出了一种面向数字取证场景的网络入侵检测框架，同时解决现有机器学习管线在证据保全和可解释性方面的缺陷。框架严格遵循ISO/IEC 27037、27041、27042及NIST SP 800-86等取证标准，将原始网络流量数据视为不可变
Poster: LogCraft: Crafting CVE-Aware Synthetic Worlds (Logs).
本文提出LogCraft，一种面向CVE感知的合成日志数据生成方法。研究背景是安全分析依赖高质量日志数据，但真实日志难以获取且标注昂贵。核心问题是如何生成既符合现实分布又包含已知漏洞（CVE）信息的合成日志，以支持入侵检测、日志分析等安全任
Bridging the Smart City Cybersecurity Data Gap Through AI-Driven Synthetic Dataset Generation
智能城市依赖融合传感器、物联网设备、云平台和AI驱动服务的网络物理系统，这些系统在提升城市服务的同时，由于其巨大的攻击面、异构数据流和不断演变的威胁向量，引入了复杂的网络安全挑战。开发并验证智能城市网络安全工具需要高质量的数据集来准确反映真
Advancing the State-of-the-Art in Empirical Privacy Auditing
本文针对大型语言模型（LLM）在参数高效微调过程中可能记忆个体训练样本的问题，提出了一种创新性的经验性隐私审计（EPA）方法。研究背景：微调后的LLM可能泄露隐私，现有审计方法依赖人工设计的“金丝雀”样本，但难以模拟真实数据分布且可能引入隐
SoK: Reconstruction Attacks on Synthetic Tabular Data (Insights from Winning the NIST CRC)
本文是首篇对合成表格数据的重建攻击（即属性推断攻击）进行系统化研究的论文。研究背景是合成数据被广泛宣传为一种隐私保护替代方案，用于发布敏感表格记录，但对其核心对抗威胁——重建攻击（通过合成数据和少量已知准标识符恢复个体隐藏属性值）的研究此前