针对掩蔽图像建模的成员推断攻击

本文提出了一种基于蒙版图像建模的框架A^2MIM，可用于Transformers和CNNs网络。该方法通过研究补丁之间的相互作用，发现蒙版图像建模能够提升模型处理中阶交互和提取通用特征的能力。实验证明该方法能够在不需要显式设计的情况下学习到更好的表示，并赋予骨干模型更强的能力，以适应不同的下游任务。