Компьютерные науки > Машинное обучение [представлено 26 мая 2026 (v1), последний пересмотренный вариант от 15 октября 2026 года (эта версия, v3)] Название: Детективность без вмешательства: эффективное канарское проектирование для конфиденциального аудита в одном Run View PDF HTML (экспериментальное) резюме: Ревизия привистливости имеет целью эмпирическую оценку утечки информации о неприкосновенности частной жизни в моделях машинного обучения с использованием атаки на участие (MIAS), и определение более низких границ дифференциальных параметров конфиденциальности (DP). Стандартная проверка конфиденциальности включает деликатную выборку (канари) во многие ($100 долл. В рамках одноразового аудита многие канары включаются в единый учебный цикл, что позволяет избежать высоких вычислительных издержек многофункционального подхода. Однако недавняя теория показывает, что канарейки могут вмешиваться друг в друга, уменьшая показатели по каждому казарю и тем самым ослабляя аудиторские полномочия. Мы предлагаем ИБИС - систему, которая оптимизирует канарейки в целях максимального увеличения их собственных баллов и сведения к минимуму их воздействия на других. IBIS сочетает алчные инициализацию на основе влияния с двухуровневой оптимизацией, введя новый термин регуляризации, который поощряет канарейки быть ортогональными при внедрении пространства как косвенного средства уменьшения вмешательства. Мы предлагаем эффективный алгоритм двууровневого уровня, который постепенно обновляет одну…
Обнаружимость без вмешательства: эффективное канарное проектирование для проверки конфиденциальности в одном забеге
arXiv: 2605.27292v3 Adminus Type: заменить перекрестное резюме: аудит по вопросам конфиденциальности призван эмпирически оценить утечку информации о неприкосновенности частной жизни в моделях машинного обучения с использованием вычислений из членского состава (MIA) и установить более низкие границы параметров дифференциальной конфиденциальности (DP). Стандартная проверка конфиденциальности включает деликатную выборку (канари) во многие ($100 долл. В рамках одноразового аудита многие канары включаются в единый учебный цикл, что позволяет избежать высоких вычислительных издержек многофункционального подхода. Однако недавняя теория показывает, что канарейки могут вмешиваться друг в друга, уменьшая показатели по каждому казарю и тем самым ослабляя аудиторские полномочия. Мы предлагаем ИБИС - систему, которая оптимизирует канарейки в целях максимального увеличения их собственных баллов и сведения к минимуму их воздействия на других. ИБИС сочетает алчные инициализацию на основе влияния с оптимизацией на двух уровнях, введя новый термин регуляризации, который поощряет канарейку быть ортогональной