सदस्यता अनुमान आक्रमण प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. सदस्यता अनुमान आक्रमण क्या निर्धारित करने का प्रयास कर रहा है?
   • क्या कोई विशिष्ट रिकॉर्ड प्रशिक्षण सेट का हिस्सा था
   • मॉडल की सटीकता
   • मॉडल की वास्तुकला
   • परीक्षण सेट का आकार
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. मूल 2017 शॉकरी एट अल ने कौन सी तकनीक बनाई। हमले पर भरोसा?
   • धीरे-धीरे कतरन
   • छाया मॉडल
   • किरण खोज
   • टोकनीकरण
4. रिकॉर्ड की सामग्री का खुलासा किए बिना भी सदस्यता का अनुमान हानिकारक क्यों हो सकता है?
   • यह मॉडल को धीमा कर देता है
   • यह मॉडल का वजन बदल देता है
   • यह प्रशिक्षण डेटा हटा देता है
   • सदस्यता ही निदान की तरह संवेदनशील तथ्यों का खुलासा कर सकती है
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