Pesquisa sistematiza ataques de inferência de membership que resistem a ruído e perturbação dos dados
O artigo apresenta uma formulação simplificada de ataques "robustos" de inferência de membership — aqueles que continuam funcionando mesmo quando as estatísticas do modelo ou do dataset estão bastante ruidosas — para estimação de média em distribuições Gaussianas multivariadas e distribuições de produto binário. Além da construção técnica, o trabalho funciona como um levantamento da literatura sobre o tema, cobrindo histórico, extensões e conexões com outras áreas de privacidade.
Fonte ↗