全部动态
从来源，看到研究的联系
点选节点，展开一条线索
本页材料
完整标题与摘要 · 24 条- 会议论文ICML 2025
方差作为催化剂：针对定制扩散模型的高效可迁移语义擦除对抗攻击
发现 VAE 潜码方差影响图像失真，提出 LA 与 LE 损失，使定制扩散模型生成身份语义被完全擦除的噪声图像，用于防止伪造。
- 会议论文ICML 2025
从片段到事实：对 LLM 的部分信息片段推断攻击
提出攻击者仅掌握部分、无序样本信息的威胁模型，用似然比攻击和 PRISM 从微调 LLM 中推断敏感片段，效果可比肩数据感知基线。
- 会议论文ICML 2025
利用模型引导从个性化扩散模型中提取训练数据
提出 FineXtract，通过外推微调前后模型分布并聚类，从公开的微调扩散模型中提取约 20% 的微调数据，揭示数据泄露与版权风险。
- 会议论文ICML 2025
Janus：面向联邦学习的双服务器多轮可验证安全聚合
提出基于双服务器的安全聚合方案，可抵御模型不一致攻击、支持聚合结果验证，并将每客户端开销从对数级降至常数级。
- 会议论文ICML 2025
De-AntiFake：重新审视针对语音克隆攻击的保护性扰动
系统评估含净化步骤的现实威胁下的语音克隆保护扰动，提出两阶段净化方法，表明基于对抗扰动的防御存在局限。
- 会议论文ICML 2025
CEGA：低成本的图模型提取与获取方法
评估 GNN 对模型提取攻击的脆弱性，提出在禁止批量查询下迭代优化节点选择的策略，在严格查询预算下精度与保真度优于基线。
- 会议论文ICML 2025
基于自适应加权的可扩展差分隐私分区选择
提出 MaxAdaptiveDegree 算法，在用户级差分隐私下输出更多项目，可扩展到数千亿项的数据集，优于现有并行算法。
- 会议论文ICML 2025
LLM 遗忘中少数群体隐私风险被低估
提出少数群体感知的遗忘评估框架，用含 PII 的 canary 表明少数子集在各种遗忘方法与 MIA 下隐私泄露至少高 20%。
- 会议论文ICML 2025
DMM：基于常数开销线性秘密重分享的差分隐私联邦学习分布式矩阵机制
用密码学协议结合分布式 DP 与矩阵机制，在支持用户动态退出的同时显著提升联邦学习模型效用，额外开销很小。
- 会议论文ICML 2025
单次运行审计 f-差分隐私
提出只需单次运行的 f-DP 经验审计方法，利用假设的 f-DP 曲线得到比传统 (ε,δ) 更紧的经验隐私估计。
- 会议论文ICML 2025
高效的私有 GPT 无需自回归解码
提出公共模型解码、私有模型安全验证的方法，在保持隐私与生成质量下使安全推理解码加速 2.1 至 6.0 倍。
- 会议论文ICML 2025
EncryptedLLM：基于 GPU 加速全同态加密的隐私保护 LLM 推理
实现 GPU 加速的 FHE 并评测加密 GPT-2 前向传播，比 CPU 基线快 200 倍以上，同时分析激活函数近似以保持精度。
- 会议论文ICML 2025
面向不可信参与者的可信联邦学习
提出 CafCor,利用参与者间共享随机种子,将鲁棒梯度聚合与相关噪声注入结合,在恶意参与者与不可信服务器下取得优于本地差分隐私的隐私-效用权衡。
- 会议论文ICML 2025
从理论上揭示针对联邦视觉模型中 LDP 保护客户端的推断攻击
推导针对全连接或自注意力层的成员推断攻击成功率下界，表明 LDP 保护下仍有隐私风险，而抑制攻击所需噪声会显著损害效用。
- 会议论文ICML 2025
面向 LLM 上下文学习数据的快速精确遗忘
用上下文学习加量化 k-means 替代微调适配 LLM，使精确遗忘微调数据的开销近似常数，性能与微调方案相当。
- 会议论文ICML 2025
面向扩散模型的黑盒成员推断攻击
提出仅需图像到图像变体 API 的成员推断攻击，多次调用并平均输出后与原图比较，判断样本是否属于训练集，效果优于已有方法。
- 会议论文ICML 2025
高效且保护隐私的 LLM 软提示迁移
提出 POST 框架，在小模型上本地（可选差分隐私）调优软提示再迁移到大模型，避免向 LLM 提供商共享私有数据并降低成本。
- 会议论文ICML 2025
PASS：基于随机数据替换的私有属性保护
指出对抗训练式属性移除方法存在共同弱点，提出随机替换样本的 PASS，在人脸、传感器与语音数据上验证有效。
- 会议论文ICML 2025
基于偏好优化合成数据的私有联邦学习
将客户端私有反馈视为 RL 奖励，用 DPO 微调 LLM 生成差分隐私合成数据；缩小完全私有与非私有设定间性能差距达 58%，优于既有合成数据与 DP-FL 方法。
- 会议论文ICML 2025
EgoPrivacy：第一人称相机暴露了你的什么信息？
提出首个第一人称视频隐私风险基准与检索增强攻击，基础模型零样本即可以 70–80% 准确率推断佩戴者身份、性别等属性。
- 会议论文ICML 2025
结构化子采样的隐私放大:用于深度差分隐私时间序列预测
指出 DP-SGD 的形式化保证不适用于时间序列预测,分析结构化子采样带来的隐私放大,实现具有事件级与用户级严格隐私保证的预测模型训练。
- 会议论文ICML 2025
Cape：基于差分隐私的上下文感知提示扰动机制
针对 LLM 推理中的用户数据泄露，提出混合效用函数与分桶采样的差分隐私提示扰动，取得更好的隐私-效用权衡。
- 会议论文ICML 2025
Canary 的回声：审计 LLM 生成合成文本的隐私风险
设计针对合成数据的成员推断攻击，证明合成文本会泄露微调数据；并提出带分布内前缀与高困惑度后缀的 canary，提升隐私审计效果。
- 会议论文ICML 2025
重访私有模型个性化
在共享表示框架下研究用户级差分隐私的联邦模型个性化,提出私有高效算法,效用保证覆盖亚高斯分布并改进已有隐私误差项。