Near-Duplicate Families Break Exact-Record Membership Inference

arXiv cs.CR · 29 sept, 06:00

Investigadores demuestran que la inferencia de pertenencia (MI), una técnica usada para auditar si un registro específico fue incluido en el conjunto de entrenamiento de un modelo de IA, falla fundamentalmente cuando existen registros casi idénticos en el dataset. El problema es que datasets de escala web contienen naturalmente duplicados cercanos (artículos sindicados, páginas espejadas, imágenes ligeramente modificadas), lo que causa que los auditores confundan la presencia de variantes similares con la presencia del registro exacto.