写点什么

苹果研究人员提出集成反演技术,可从不同机器学习模型中重建训练数据

  • 2021-12-07
  • 本文字数:1473 字

    阅读完需:约 5 分钟

苹果研究人员提出集成反演技术,可从不同机器学习模型中重建训练数据

MI 攻击


近几年,模型反演(Model inversion, MI)攻击备受关注。MI 攻击是指滥用经过训练的机器学习(ML)模型,并借此推断模型原始训练数据中的敏感信息。遭受攻击的模型经常会在反演期间被冻结,从而被攻击者用于引导训练生成对抗网络之类的生成器,最终重建模型原始训练数据的分布。


因此,审查 MI 技术对正确建立模型保护机制至关重要。


借助单一模型高质量地重建训练数据的过程非常复杂,然而,现有的 MI 相关文献并没有考虑到多个模型同时被攻击的可能性,这类情况中攻击者可以找到额外的信息和切入点。


如果攻击成功,原始训练样本泄露,而其训练数据中如果包含个人的身份信息,那么数据集中的数据本体的隐私将会受到威胁。

集成反演技术


苹果的研究人员提出了一种集成反演的技术,借助生成器来估计模型原始训练数据的分布,而该生成器则被限制在一系列共享对象或实体的训练模型之中。


对比使用单一机器学习模型的 MI,使用该技术生成的样本质量得到了显著的提升,并具备了区分数据集实体间属性的能力。这证明了如果借助与预期训练结果相类似的辅助数据集,可以在不使用任何数据集的情况下依旧可以得到高质量结果,改善反演的结果。通过深入研究集成中模型多样性对结果的影响,并添加多重限制以激励重建样本获得高精确度和高激活度,训练图片的重建准确程度得到了提升。


对比针对单一模型的 MI 攻击,该研究所提出的模型在重建性能上展现了明显的提升。该研究不仅利用最远模型采样法(FMS)进行集成中模型多样性的优化,还创建了一个模型间等级对应关系明确的反演集成,模型的输出向量中的增强信息也被用来生成更优的限制条件,以更好地确定目标质量的高低。


通过随机训练的形式,小批量随机梯度下降(SGD)这类的主流动态卷积神经网络(DCNN),可以使用任意的大型数据集进行训练。DCNN 模型对训练数据集中最初的随机权重和统计上的噪音非常敏感,而由于学习算法的随机性,同一训练集可能会生成侧重特征不同的模型。因此,为减少差异性,研究者一般会使用集成学习,一种简单的技巧来提升 DCNN 辨别式训练的性能。



虽然这篇论文是以集成学习为基础进行的研究,但论文对“集成”一词却有不同的定义。


若想成功对模型进行反演,攻击者不能假定目标模型一定是通过集成学习进行训练的,但他们却可以通过搜集有关联的模型搭建一个攻击模型的集成。换句话来说,在“集成反演攻击”这个语境下,“集成”不是要求模型一定要经过集成训练,而是指攻击者从各种来源所收集到相关模型的集合。


举例来说,研究者可以通过不断收集新的训练数据,对当前模型进行训练并更新结果,而攻击者则可以将这些模型收集为一个集合并加以利用。


借助该策略,无数据的 MNIST 手写数字的反演准确率提升了 70.9%,而基于辅助数据的试验准确率则提高了 17.9%;对比基准实验,人脸反演的准确率提升了 21.1%。论文的目标是,以更系统的方式对现有模型反演策略进行评估。在未来的研究中,需以针对这类集成的模型反演攻击开发相应的保护机制为重点。

结论


论文中提出的集合反演技术,可以利用机器学习模型集合中的多样性特质提升模型反演的性能表现;通过结合 one-hot 损失和最大化输出激活损失函数,让样本质量得到了更进一层的提升。除此之外,过滤掉攻击模型中含有较小最大化激活的生成样本也可以让反演表现更加突出。同时,为确定目标模型的多样性对集合反演性能的影响,研究者深入探索研究了各种差异下目标模型的表现情况。


论文原文:利用集成反演从各类机器学习模型中重建训练数据


英文原文Apple Researchers Propose A Method For Reconstructing Training Data From Diverse Machine Learning Models By Ensemble Inversion

2021-12-07 10:262363

评论

发布
暂无评论
发现更多内容

Steinberg VST Live Pro for mac (终极现场演出系统) v2.2.0激活版

小玖_苹果Mac软件

Native Instruments Massive X for Mac(原始声音合成器) v1.4.6激活版

小玖_苹果Mac软件

星环科技推出DeepSeek全场景解决方案:即开即用、企业级部署、端侧智能三位一体

星环科技

2025年,前端攻城狮要怎么整活?

伤感汤姆布利柏

18款电子协议签署系统盘点(含免费)

易成研发中心

电子合同 电子合同软件 电子合同系统

Arturia Analog Lab V Pro for Mac(模拟实验室) v5.11.0直装激活版

小玖_苹果Mac软件

GO 进行编译时插桩,实现零码注入

观测云

Go

议题征集|“纵深防护·极智运营”第十期「度安讲」 技术沙龙议题报名!

百度安全

MindIE BenchMark

zjun

人工智能

ISIVISI SLURP for Mac(数字合成器) v1.1.4激活版

小玖_苹果Mac软件

深思考发布鸿蒙系统TinyDongni&deepseek超小端侧多模态大模型

科技热闻

YashanDB用户管理

YashanDB

数据库 yashandb

开课倒计时 | 3月1-2日,DeepSeek时代下的可观测性(Observability)认证培训

雅菲奥朗

可观测性 Observability 可观测性认证 DeepSeek

大型复杂项目管理怎么结合传统与敏捷

易成研发中心

Kazrog Avalon VT-747SP for Mac(模拟动态处理器) v1.0.5激活版

小玖_苹果Mac软件

YashanDB自动选主

YashanDB

数据库 yashandb

BOE(京东方)重磅发布ADS Pro新品 携手创维打造比OLED更好的Mini LED电视新品A5F Pro

爱极客侠

YashanDB加密方法

YashanDB

数据库 yashandb

16款知识库管理软大对比:2025年最新整理

易成研发中心

知识库管理

比较 18 款企业常用客户信息管理系统

易成研发中心

客户管理 客户管理系统 客户登记管理工具

『Python底层原理』--Python属性的工作原理

不在线第一只蜗牛

Python

YashanDB身份认证

YashanDB

数据库 yashandb

YashanDB访问控制

YashanDB

数据库 yashandb

YOLOv5 的量化及部署 - RGB 专题

地平线开发者

自动驾驶 算法 地平线征程6

小红书湖仓架构的跃迁之路

StarRocks

掌握这个API,让你的网页展示效果提升10倍

Immerse

新机8999元起售,OPPO“叫板”华为三星?

趣解商业

apple OPPO 数码

苹果研究人员提出集成反演技术,可从不同机器学习模型中重建训练数据_文化 & 方法_Nitish Kumar_InfoQ精选文章