arXiv · cs.AI· Karima Makhlouf, Lamiaa Basyoni, Syed Khaderi, Gabriel Marquez, Peter Sotomango, Mahmoud Awawdah, Sami Zhioua·· 7 小时前
大语言模型隐私攻击的系统性消融研究
On the Privacy of LLMs: An Ablation Study
arXiv:2605.02255v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Karima Makhlouf, Lamiaa Basyoni, Syed Khaderi, Gabriel Marquez, Peter Sotomango, Mahmoud Awawdah, Sami Zhioua
研究任务与主要进展
研究基于统一威胁模型和系统性消融研究，分析成员推断、属性推断、数据提取与后门攻击四类大语言模型隐私攻击。作者报告，成员推断受数据集特征和攻击策略影响，属性推断受模型与训练特征影响，数据提取随模型规模和训练数据重复增加而后门攻击的成功率始终较高。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org