BriefGPT - AI 论文速递
·
基于分类模型的面向学习的 DLP 系统
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
为了保护数据知识产权，研究人员引入了局部分布偏移合成（LDSS）方法来检测训练分类模型使用的泄露数据。LDSS能够有效识别泄露和修改数据集的模型，并与多种分类模型兼容。实验结果证实了LDSS的可靠性、稳健性、保真性、安全性和效率性。
🎯
关键要点
- 为保护数据知识产权，引入局部分布偏移合成（LDSS）方法。
- LDSS用于检测训练分类模型使用的泄露数据。
- 通过注入局部类别分布偏移的合成数据，LDSS能够识别泄露和修改数据集的模型。
- LDSS与多种分类模型（如朴素贝叶斯、决策树、随机森林）兼容。
- 在五个真实世界数据集上进行了广泛实验，验证了LDSS的可靠性、稳健性、保真性、安全性和效率性。
➡️
