待验证50% 置信事实精确时间

训练过程泄露的信息通过条件互信息（CMI）度量，对DP-SGD而言该泄露界限只依赖于采样率和噪声乘子两个超参数

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

差分隐私的新视角：用信息论量化模型重构攻击下限

涉及实体

条件互信息concept DP-SGDtechnology

相关事实

待验证差分隐私（DP）通过对训练梯度进行裁剪并注入校准的高斯噪声，使任何单条训练数据的存在与否对模型输出的影响可被数学上界定76% 相似待验证μ 和 σ 必须仅从训练集计算，若将验证集或测试集数据纳入 fit 会造成数据泄露72% 相似待验证实验通过系统改变事实负载M和有效可训练记忆B，验证了压缩失真项是独立于覆盖率的可观测失效模式68% 相似待验证LLM在面对开放性问题时倾向于输出训练数据中频率最高的安全表达，即听起来正确但信息密度极低的通用结论68% 相似待验证数据泄露分为目标泄露和训练集泄露两类，会导致模型在测试中表现好但上线后失效68% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1002267

API

curl https://kongchang.com/api/v1/knowledge/claims/1002267

MCP

get_claim(id=1002267)