免重训练、位移感知分数迁移的隐私审计方法

2026年10月23日，arXiv cs.AI/cs.LG 刊出题为《无需重训练的隐私审计：位移感知分数迁移方法》的论文。报道称，该方法提出位移感知分数迁移，可从分布外非成员数据估计反事实的同分布分数分布，以缓解分布偏移造成的成员推断分数偏斜。方法还引入按名义迁移隐私水平校准的保守校正，并用非成员数据构建校准任务，估计表示空间位移带来的审计误差。在多个含分布偏移的数据集上，该方法给出更稳定的隐私估计，并保持比基线更紧的下界。目前尚无后续报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。