Zeming Wei

新的SMI方法为未学习的AI模型提供可靠、高效的审计

研究人员推出了一种新颖的机器学习模型“遗忘”过程审计框架——统计成员推理（SMI）。传统的成员推理攻击（MIA）方法由于存在对齐偏差（即被遗忘的样本与非成员样本在误导MIA的方式上存在差异）而常常高估遗忘的有效性。SMI提供了一种无需训练的方法，将审计重新构建为估计遗忘特征分布中非成员混合比例，从而提供了一种更可靠、更高效的替代方案，并具有理论保证和强大的实证结果。