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NeurIPS 2025
DictPFL：加密梯度上的高效隐私联邦学习
通过字典分解与加密感知剪枝，仅加密传输梯度即可防御梯度反演，通信开销降低402至748倍，运行时间接近明文联邦学习的2倍。
- 会议论文NeurIPS 2025
从反事实到决策树：模型提取攻击的竞争分析
用竞争分析形式化模型提取攻击，针对加性决策树模型提出可完美还原的重建算法，并给出查询复杂度的理论界。
- 会议论文NeurIPS 2025
LOMIA：针对预训练视觉语言大模型的仅标签成员推断攻击
提出仅依赖 top-1 输出的成员推断攻击框架，利用训练样本语义对齐更高、困惑度更低的特点，在三个开源 VLLM 和 GPT-4o 上媲美基于 logits 的攻击。
- 会议论文NeurIPS 2025
CryptoMoE:通过均衡专家路由实现隐私保护的可扩展 MoE 推理
首个支持 MoE 模型的密码学私有推理框架,均衡专家负载以保护路由信息,相比稠密基线延迟降低 2.8~3.5 倍。
- 会议论文NeurIPS 2025
个性化本地差分隐私下的求和估计
针对各用户隐私参数不同的个性化 LDP，提出两种分别基于数据半径和直径的求和/均值估计协议，精度显著优于现有方法。
- 会议论文NeurIPS 2025
InvisibleInk：高效用低成本的差分隐私文本生成
把 LLM 采样视为对 logits 的指数机制，仅裁剪敏感信息并从 top-k 超集免费采样，达到同等效用时计算成本降低 8 倍以上。
- 会议论文NeurIPS 2025
LLM 真的遗忘了吗?基于知识关联与置信度的遗忘评测
用带置信度的知识图谱和 LLM 评判构建遗忘评测框架,发现被认为已遗忘的事实可通过关联信息隐式保留,现有评测高估了遗忘效果。
- 会议论文NeurIPS 2025
遗忘了但没忘干净：精确遗忘后 LLM 的数据提取攻击
在暴露遗忘前后 logits 的场景下，用前模型引导后模型提取被删数据，在 MUSE、TOFU、WMDP 上成功率最高翻倍，表明精确遗忘反而可能增加泄露风险。
- 会议论文NeurIPS 2025
真的需要公开数据吗?表格数据差分隐私的替代公开数据
用 LLM 仅凭 schema 生成替代公开表格数据,可在不消耗隐私预算的情况下替代公开数据,用于差分隐私分类器预训练。
- 会议论文NeurIPS 2025
基于二元询问的在线局部差分隐私共形预测
在局部差分隐私下构造流式数据的无模型预测集，单遍在线、O(1) 空间，并给出长期覆盖率的理论保证。
- 会议论文NeurIPS 2025
OpenUnlearning：统一方法与指标基准以加速 LLM 遗忘研究
标准化框架集成 13 种遗忘算法与 16 项评测，覆盖 TOFU、MUSE、WMDP，并提出评估指标忠实性与鲁棒性的元评测基准。
- 会议论文NeurIPS 2025
Permissioned LLMs：在大语言模型中强制执行访问控制
提出 PermLLM，让微调后的 LLM 回答遵循组织数据访问权限，给出形式化定义、基于 PEFT 的三种机制，以及基于成员推断的 access advantage 评测指标。
- 会议论文NeurIPS 2025
成员究竟是什么？通过投毒使成员推断失信
证明可通过污染训练集让成员推断测试对目标样本给出错误预测，并给出准确率与抗投毒性的理论权衡，现有测试性能可降至随机以下。
- 会议论文NeurIPS 2025
BridgePure：有限的保护泄露即可攻破黑盒数据保护
提出保护泄露威胁模型，用少量未保护数据训练扩散桥模型，可去除黑盒不可学习样本的保护，暴露其漏洞。
- 会议论文NeurIPS 2025
带差分隐私的多类支持向量机
提出 PMSVM，通过权重和梯度扰动让多类 SVM 只访问每个样本一次，在多类场景下优于现有 DP-SVM 方法。
- 会议论文NeurIPS 2025
智者知所不言：基于注意力转移的无幻觉 LLM 遗忘
提出 Attention-Shifting 遗忘框架，抑制事实 token 注意力并抑制编造回答，在 ToFU 与 TDEC 上准确率最高提升 15%、10%。
- 会议论文NeurIPS 2025
UMU-Bench：弥合多模态遗忘评测中的模态差距
针对多模态大模型的隐私遗忘提出基准，发现现有遗忘方法普遍存在单模态与多模态知识移除不一致的问题。
- 会议论文NeurIPS 2025
具有实体级隐私保证的差分隐私关系学习
针对关系数据提出带实体级 DP 保证的 DP-SGD 变体，含敏感度分析、按实体出现频率自适应裁剪，并扩展隐私放大分析，在文本编码器微调上取得较好隐私-效用权衡。
- 会议论文NeurIPS 2025
随机分配带来的隐私放大
给出随机 k-out-of-t 分配采样方案的首个理论隐私保证与数值估计算法，其保证可由 Poisson 子采样的保证上界。
- 会议论文NeurIPS 2025
GeoClip：差分隐私 SGD 的几何感知裁剪
提出 GeoClip，在与梯度分布几何对齐的变换基下裁剪并加噪，无需额外隐私开销，给出收敛保证，在相同隐私预算下优于现有自适应裁剪方法。
- 会议论文NeurIPS 2025
医疗基础模型的记忆化风险调查
提出一套黑盒评测，在嵌入和生成层面探测基于 EHR 的基础模型对患者信息的记忆，并开源工具包。
- 会议论文NeurIPS 2025
OpenGU:图遗忘学习综合基准
提出首个图遗忘基准 OpenGU,整合 16 种算法、37 个数据集和 13 种 GNN 骨干,得出 10 条关于现有方法局限的结论。
- 会议论文NeurIPS 2025
欧几里得 Jordan 代数的差分隐私及其在私有对称锥规划中的应用
为输出位于欧几里得 Jordan 代数的函数设计通用高斯机制，并给出私有对称锥规划与半定规划算法，解决了一个公开问题。
- 会议论文NeurIPS 2025
能否从 LLM 推断训练数据的机密属性？
提出 PropInfer 基准及提示生成攻击与影子模型攻击，在微调 LLM 上成功推断数据集级敏感属性。