privacy breaches | BriefGPT

关键词privacy breaches

搜索结果 - 8

扩散模型的安全性研究：基于梯度引导的扩散模型导致严重数据泄漏
通过扩散模型并利用梯度指导的微调方法，我们提出了一种新的重建攻击方法，可通过泄露的梯度从图像处理系统中窃取私密的高分辨率图像。实验结果表明，我们的攻击方法能够成功恢复和窃取分辨率高达 512 x 512 像素的图像。此外，我们的攻击方法在图
PDF21 days ago
机器学习即服务中的推断攻击：分类、综述和研究方向
分析了机器学习中的推断攻击及相应的对策，提出了 3MP 分类系统以规范命名，探讨了各类推断攻击的优缺点、工作流程以及与其他攻击的相互作用，并从一个更全面且新颖的角度指出了几个有前景的研究方向。
PDFa month ago
去中心化学习中的安全聚合与稀疏化相遇
分布式学习面临隐私泄露的问题，本论文引入了一种新的安全聚合协议 CESAR，通过与现有的稀疏化机制相兼容，提高了通信效率，同时对抗恶意和好奇的对手。实验证明 CESAR 在并行随机梯度下降中保持很高的准确性，而仅增加 11% 的数据开销，并
PDF2 months ago
探索中文大型语言模型的隐私保护能力
我们设计了一个三层渐进式框架，用于评估语言系统的隐私，以解决大型语言模型在隐私保护方面的问题。观察结果显示，现有的汉语大型语言模型普遍存在隐私保护方面的缺陷，可能在基于这些模型的应用中带来相应的隐私风险。
PDF3 months ago
模型将明示：扩散模型的训练成员推断
利用扩散模型内在的生成先验，提出了一种用于训练成员推断的新方法，通过对图像进行连续退化和恢复的比较，判断其是否属于训练样本，并且在准确性和可理解性等方面优于现有方法。
PDF4 months ago
利用深度强化学习的反事实图搜索进行社区成员隐藏
通过深度强化学习，本研究提出了一种将社区成员隐藏作为约束反事实图目标的方法，并在节点和社区欺骗两个任务上对其有效性进行了验证。实验证明，该方法在两个任务中总体优于现有基线模型。
PDF9 months ago
差分隐私：什么是所有的噪音？
本文概述了隐私保护的形式定义 Differential Privacy 在数据处理中提供严格保证的重要思想、概念和应用，特别关注它在机器学习和联邦学习领域的交叉应用。
PDF2 years ago
你的行动言明一切：深度强化学习隐私泄露攻击
本文首次探讨了深度强化学习中可能泄露隐私信息的情况，并提出了两种方法来推断训练后代理的潜在隐私信息。作者在不同情境下进行了大量实验并表明以上两种方法可以有效地从训练后的代理中推断出敏感地图信息。
PDF5 years ago