Sign In
insight - Maschinelles Lernen Sicherheit Privatsphäre
Privatsphäre-Hintertüren: Verbesserung des Membership-Inferenz-Angriffs durch Vergiftung vortrainierter Modelle
Durch Vergiftung vortrainierter Modelle können Angreifer die Wahrscheinlichkeit deutlich erhöhen, dass Details des Trainingsdatensatzes eines Opfers preisgegeben werden, wenn das Opfer das vergiftete Modell nachtrainiert.
Datenlecks durch manipulierte vortrainierte Modelle: Wie Angreifer Privatsphäre-Daten stehlen können
Angreifer können vortrainierte Modelle manipulieren, um Privatsphäre-Daten von Nutzern zu stehlen, die diese Modelle für ihre Anwendungen finetunen.