量化高保真合成网络流量的隐私影响
Quantifying the Privacy Implications of High-Fidelity Synthetic Network Traffic
AI 导读
研究者提出一套合成网络流量隐私度量体系，结合成员推断攻击（MIA）、数据提取攻击与网络特定标识符，系统评估多种代表性生成模型。各模型与数据集的风险差异显著：MIA 成功率介于 0% 至 88%，最多 100% 的网络标识符可从生成流量中恢复。训练数据多样性与模型对训练数据的拟合程度显著影响攻击结果，为设计低隐私泄露的生成模型提供指导。