研究人员推出了一种名为鲁棒隐私（RP）的新方法，用于在AI模型推理过程中保护敏感信息。RP利用认证鲁棒性来确保模型预测在输入周围一定半径内保持不变，从而限制了对手推断私有数据或重建训练样本的能力。这种方法显著降低了属性推断精度和模型反演攻击的成功率，在隐私-实用性权衡方面优于DP-SGD等现有方法。 AI
影响 引入了一个新颖的隐私框架，通过限制推理阶段的数据泄露来增强AI应用中的数据安全性。
排序理由 学术论文，介绍了一种新的AI推理隐私保护技术。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →