اختبار مرتبط بالدليل · متوسط المستوى

مسابقة استنتاج هجمات العضوية

دراسة استنتاج عضوية التدريب، باستخدام نماذج الظل، ومعايرة LiRA، وحدود الخصوصية التفاضلية، والإيجابيات الكاذبة، وتقييم الهجوم.

مسارات الدليل ذات الصلةهجمات استنتاج العضوية
سؤال 1 من 8

ما هو الهجوم الاستدلالي للعضوية الذي يحاول تحديده؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما هو الهجوم الاستدلالي للعضوية الذي يحاول تحديده؟
    • ما إذا كان سجل معين جزءًا من مجموعة التدريب
    • دقة النموذج
    • بنية النموذج
    • حجم مجموعة الاختبار
  2. How can overfitting affect membership-inference exposure in studied models?
    • It proves every training record is identifiable with certainty
    • It removes the need to evaluate attack errors
    • It can increase the behavioral difference between members and comparable nonmembers
    • It makes all outputs independent of training data
  3. ما هي التقنية التي قام بها شكري وآخرون 2017 الأصلي. يعتمد الهجوم على؟
    • قطع التدرج
    • نماذج الظل
    • بحث شعاع
    • الترميز
  4. لماذا يمكن أن يكون استنتاج العضوية ضارًا حتى بدون الكشف عن محتويات السجل؟
    • إنه يبطئ النموذج
    • يغير أوزان النموذج
    • يقوم بحذف بيانات التدريب
    • يمكن للعضوية نفسها أن تكشف عن حقائق حساسة، مثل التشخيص
  5. What calibration distinguishes the cited LiRA approach from a single naive loss threshold?
    • A guarantee that every record has the same inherent difficulty
    • Only an increased generation temperature
    • Per-example score distributions estimated from in and out models
    • A requirement that the target reveal its entire training dataset
  6. What does a properly specified differential-privacy guarantee bound?
    • Changes in output probabilities between neighboring datasets
    • A guarantee that no attack can ever make any correct guess
    • A mandatory deletion of all model outputs
    • Only the raw number of files in a training folder
  7. An attack incorrectly flags 10 of 1,000 actual nonmembers as members. What is its false-positive rate on those nonmembers?
    • 10%
    • 0.1%
    • 100%
    • 1%
  8. Why does the LiRA paper emphasize true-positive rate at low false-positive rates?
    • False positives are impossible by definition
    • Average accuracy can conceal whether confidently flagged records are reliable membership evidence
    • Every member and nonmember population must have identical sizes
    • The model’s training accuracy directly gives attack precision