成员推理攻击（Membership Inference Attack）作为一种隐私攻击方法，其攻击对象是机器学习目标模型，攻击目标是推理一条或一批数据是否作为目标模型的训练集，以此达到攻击的效果。基于目标模型的输出，攻击分类器获取成员和非成员数据的特征、损失差异，以此实现成员推理。
成员推理攻击-程瑶原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2022/10/16/%e6%88%90%e5%91%98%e6%8e%a8%e7%90%86%e6%94%bb%e5%87%bb/
本报告介绍了深度学习后门攻击及其检测的基本概念、类型划分等背景知识，对2种基于主动策略的后门攻击检测算法进行了具体说明，阐述了对于深度学习后门攻击检测的发展趋势和未来前景。
针对判别模型窃取及防御方法的研究日趋成熟，近期的研究表明，生成模型同样面临模型窃取威胁。本次学术报告重点介绍了关于生成模型的窃取方法的原理，以及其与判别模型窃取方法、评价指标的区别…
基于因果推理的对抗防御方法通过因果干预、特征解耦与不变性学习，识别并强化数据中的因果特征，抑制模型对伪相关与“捷径特征”的依赖，从而在机理上增强模型的泛化能力和抗干扰能力，使其在遭…
强化学习（Reinforcement learning ，RL ）是机器学习领域之一，研究如何通过一系列的顺序决策来达成一个特定目标。本次报告从强化学习的基本框架开始，介绍了强化学…
XSS攻击是客户端脚本安全中的头号大敌，多次位列OWASP TOP 10榜首，严重威胁到web网络安全。XS…
在训练层数较多的神经网络的过程中，使用基于反向传播的梯度优化算法来优化参数有可能会遇到梯度消失或梯度爆炸的问…
漏洞分类是漏洞分析中的重要一环，为了及时评估并缓解漏洞问题，快速、准确的漏洞分类方法必不可少，但目前漏洞分类领域面临着由于不同类型的漏洞数量高度不平衡导致的漏洞类型预测精度不佳的问…
人工智能系统面临着多种安全威胁，其中对抗样本攻击被广泛应用于诸如计算机视觉、自然语言处理、音频处理以及恶意软件检测等多个领域。本文介绍了常见的对抗样本检测方法和原理。特别的，简单分…
本报告主要介绍数据样本的质量评估方法。随着数据规模的不断扩大，如何有效评估数据样本的贡献成为提升模型性能和效率的关键问题。报告分析了当前领域内的主要评估方法，讨论了不同评估标准对模…
真实的网络结构是高度非线性和复杂的，现有的浅层模型的网络嵌入方法都无法很好地表示更高级的非线性的网络结构。因…
