LoMime

新的LoMime方法实现了对ML模型的有效隐私攻击

研究人员开发了一种名为LoMime的新方法，用于对机器学习模型执行成员推理攻击（MIA），即使在仅有标签访问的情况下也是如此。该方法利用模型提取，即训练一个代理模型来模仿目标模型的行为。通过使用主动采样和合成数据，LoMime显著降低了通常与仅标签MIA相关的查询成本，以一小部分查询实现了与最先进方法相当的准确性。该框架已在表格数据集上证明了有效性，并有望扩展到用于图像识别的深度神经网络。