arXiv· Qi Li·· 8 天前推荐指数55
OP-Print：针对 on-policy 自蒸馏的成员推断攻击研究
OP-Print: Tracing Membership Imprints in On-Policy Self-Distillation
AI 导读
论文提出 OP-Print，首次针对 on-policy 自蒸馏开展成员推断攻击研究，覆盖灰盒与黑盒两种威胁模型。作者发现 on-policy 自蒸馏的监督印记稀疏且结构化，集中在不确定性敏感的修正位点而非整个 rollout：灰盒场景直接聚合同一 rollout 上的师生残差修正，黑盒场景则用基于重启的输出盆地稳定性作为隐藏修正过程的可观测替代。
来源：arXiv · arxiv.org