Key points are not available for this paper at this time.
회원 추론은 샘플과 기계 학습 모델의 훈련된 매개변수를 고려하여 샘플이 훈련 세트의 일부였는지를 결정합니다. 본 논문에서는 매개변수의 분포에 대한 몇 가지 가정을 바탕으로 회원 추론에 대한 최적 전략을 도출합니다. 최적 공격은 손실 함수에만 의존함을 보여주며, 따라서 블랙 박스 공격은 화이트 박스 공격만큼 효과적입니다. 최적 전략이 다루기 힘든 만큼, 여러 추론 방법으로 이어지는 이를 근사화하였습니다. 기존의 회원 추론 방법이 이 최적 전략의 더 거칠은 근사임을 보여주며, 우리의 회원 공격은 단순 로지스틱 회귀에서 ResNet-101 및 Imagenet과 같은 더 복잡한 아키텍처와 데이터세트에 이르기까지 다양한 설정에서 최첨단 성능을 초월합니다.
Sablayrolles et al. (Thu,)는 이 질문을 연구했습니다.