本文提出了一个框架来评估客户隐私泄漏攻击，发现攻击者可以通过分析本地训练参数重构私有数据。研究分析了联邦学习中超参数和攻击算法对攻击效果的影响，并评估了不同梯度压缩比下的攻击有效性，最后提供了一些缓解策略来应对隐私泄漏威胁。
8500多名作者联合签署公开信，要求生成式AI领导者在训练AI时征得版权保护材料的作者同意，并给予公平补偿。公开信指出生成式AI技术依赖于作者作品，但数据集来源不透明，作家收入下降40%。要求生成式AI领导者获得许可、公平补偿使用受版权保护的材料，并补偿使用作品的作者。生成式AI领导者面临压力，因为之前对版权保护作出过承诺。隐私泄漏和版权侵犯事件使公开信成为不可忽视的问题。
完成下面两步后，将自动完成登录并继续当前操作。
