<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>特征重建 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E7%89%B9%E5%BE%81%E9%87%8D%E5%BB%BA/</link>
    <description>Recent content in 特征重建 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Fri, 05 Sep 2025 05:39:10 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E7%89%B9%E5%BE%81%E9%87%8D%E5%BB%BA/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>部分特征下的成员推理攻击：MRAD框架突破缺失特征限制</title>
      <link>https://blog.qife122.com/p/%E9%83%A8%E5%88%86%E7%89%B9%E5%BE%81%E4%B8%8B%E7%9A%84%E6%88%90%E5%91%98%E6%8E%A8%E7%90%86%E6%94%BB%E5%87%BBmrad%E6%A1%86%E6%9E%B6%E7%AA%81%E7%A0%B4%E7%BC%BA%E5%A4%B1%E7%89%B9%E5%BE%81%E9%99%90%E5%88%B6/</link>
      <pubDate>Fri, 05 Sep 2025 05:39:10 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E9%83%A8%E5%88%86%E7%89%B9%E5%BE%81%E4%B8%8B%E7%9A%84%E6%88%90%E5%91%98%E6%8E%A8%E7%90%86%E6%94%BB%E5%87%BBmrad%E6%A1%86%E6%9E%B6%E7%AA%81%E7%A0%B4%E7%BC%BA%E5%A4%B1%E7%89%B9%E5%BE%81%E9%99%90%E5%88%B6/</guid>
      <description>&lt;h1 id=&#34;部分特征下的成员推理攻击&#34;&gt;部分特征下的成员推理攻击&lt;/h1&gt;&#xA;&lt;p&gt;机器学习模型已被证明容易受到成员推理攻击，这种攻击可用于判断给定样本是否出现在训练数据中。现有的成员推理方法通常假设攻击者能够完全获取目标样本的所有特征。然而，这一假设在许多现实场景中并不成立，因为往往只能获得部分特征信息，从而限制了这些方法的适用性。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
