研究提出低开销合成数据隐私审计统计框架

2026年11月5日，arXiv发布的研究提出了一种用于审计合成数据隐私的新统计框架。该框架能够有效区分直接复现敏感数据的“真实泄露”与偶然巧合生成的“幻影泄露”。在具体实现上，该方法无需访问底层模型、无需插入金丝雀数据或训练参考模型，仅依赖合成输出和保留对照集即可检验差分隐私（DP）边界。研究表明，该方案的效果等同于成员推理攻击，但所需计算资源降低了数个数量级，并能提供更紧的隐私泄露经验下界。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。