privacy auditing

新方法改进了机器学习模型的隐私审计，即使在数据分布发生变化的情况下

研究人员开发了一种名为“移位感知评分传输”的新方法，以提高机器学习模型隐私审计的准确性。该技术解决了分布移位带来的挑战，即审计使用的数据与模型的训练数据不同，导致隐私评估出现偏差。通过学习分布外非成员数据表示与隐私分数之间的关系，该方法可以将这些见解迁移到目标分布并纠正审计错误。与现有方法相比，这种方法在无法进行模型重新训练的观察性审计环境中，可以产生更稳定的隐私估计和更紧密的下界。