論文の概要: Near-Duplicate Families Break Exact-Record Membership Inference

• arxiv url: http://arxiv.org/abs/2609.33909v1
• Date: Sun, 27 Sep 2026 20:43:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 15:40:47.865422
• Title: Near-Duplicate Families Break Exact-Record Membership Inference
• Title（参考訳）: ほぼ重複した家族、正確な会員数推定を破る
• Abstract要約: ウェブスケールのデータセットは、シンジケートされた記事、ミラー化されたページ、微妙に修正された画像を含む、ほぼ重複している。 クリーン参照監査は典型的には、クエリされたレコードも、その近親族も存在しないヌルに対して、メンバシップを校正する。 我々は,これらの事例を分離するために,個別に正確に記録された包摂と家族の存在を変動させる4つの世界監査を導入する。
• 参考スコア（独自算出の注目度）: 10.837164254857123
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Membership inference (MI) asks whether a specific record appeared in a model's training set and is increasingly used as evidence for data provenance and copyright auditing. These applications require determining whether the exact queried record was used for training, rather than merely whether the model was exposed to similar content. Making this distinction is challenging because web-scale datasets naturally contain near-duplicates, including syndicated articles, mirrored pages, and lightly modified images. We show that this creates a fundamental confound for standard MI. A clean-reference audit typically calibrates membership against a null in which neither the queried record nor its near-duplicate family is present. In deployment, however, the queried record may be absent while a non-identical family member was used for training. We introduce a four-world audit that independently varies exact-record inclusion and family presence to separate these cases. Natural near-duplicate families cause severe false attribution. On CC-News, a clean-reference LiRA auditor labels 99.70% of family-present exact non-members as members at 1.00% false-positive rate. This failure persists across alternative scores, model architectures, and executed deduplication and retraining. Controlled interventions further reveal that the effect depends on the learning objective. In classification, faithful families largely substitute for the exact record, reducing exact-given-family inference to near chance. In autoregressive language modeling, the exact sequence retains a detectable residual, while family presence still confounds clean-reference decisions. These results show that positive model-only membership evidence may establish family-level exposure without establishing exact-record provenance.
• Abstract（参考訳）: メンバーシップ推論(MI)は、モデルのトレーニングセットに特定のレコードが出現したかどうかを問うもので、データ証明と著作権監査の証拠としてますます利用されている。 これらのアプリケーションは、モデルが類似コンテンツに露出しただけでなく、トレーニングに正確なクエリレコードを使用したかどうかを判断する必要がある。 ウェブスケールのデータセットには、シンジケートされた記事、ミラー化されたページ、軽量に修正された画像を含む、ほぼ重複しているものが含まれているため、この区別は難しい。 これにより、標準MIの基本的な相違が生じていることが示される。 クリーン参照監査は典型的には、クエリされたレコードも、その近親族も存在しないヌルに対して、メンバシップを校正する。 しかし、配備の際には、非同一の家族メンバーが訓練に使用される間、問い合わせ記録が欠落する可能性がある。 我々は,これらの事例を分離するために,個別に正確に記録された包摂と家族の存在を変動させる4つの世界監査を導入する。 自然の近縁な家族は深刻な虚偽の帰属を引き起こす。 CC-Newsでは、クリーン・レファレンス(英語版)のLiRA監査官が、家族の正確な非会員の99.70%を1.00%の偽陽性率で登録している。 この障害は、代替スコア、モデルアーキテクチャにまたがって持続し、重複と再トレーニングを実行します。 制御された介入は、その効果が学習目標に依存することをさらに明らかにする。 分類において、忠実な家族は主に正確な記録を代用し、正確な年金の家族推定をほぼ偶然に減らした。 自己回帰言語モデリングでは、正確なシーケンスは検出可能な残基を保持し、一方、家族の存在は依然としてクリーン参照の決定に矛盾する。 これらの結果から, 正のモデルのみの会員証拠は, 正確な記録が得られず, 家族レベルの露出を証明できる可能性が示唆された。

関連論文リスト

• VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
  テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。 それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。 我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
  論文  参考訳（メタデータ） (2026-09-02T20:36:45Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Same Facts, Different Diagnosis: Measuring and Mitigating Narrative Anchoring in Clinical Language Models [0.15293427903448023]
  我々は,1,000USMLE臨床ヴィグネットのデータセットを構築し,それぞれが3つの社会言語学的に異なるペルソナに書き換えた。 ナラティブ・アンチョリングは、テストされた全てのモデルにおいて直接的なプロンプトの下で統計的に有意であり、ナラティブ・アンチョリングギャップは0.064から0.151である。 診断開始前の臨床事実を構造的に抽出し,検証する3エージェントパイプラインであるNarrativeShieldを紹介した。
  論文  参考訳（メタデータ） (2026-07-29T18:43:47Z)
• DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
  既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。 DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。 実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
  論文  参考訳（メタデータ） (2026-07-15T10:27:52Z)
• How Modular Is a Frontier Mixture-of-Experts? A Pre-registered Causal Test in Which Apparent Expert Modularity Mostly Dissolves [0.08599681538174887]
  我々は、ルーティングマスアトラスを構築し、6つのファミリー対軸仮説を事前登録し、サイズマッチングされたランダムエキスパートヌルに対して各ファミリーを推論時にアブレーションする。 4つのメトリクスで同じファミリーをテストし、信頼度の高いブートストラップ間隔で独立した独立したコーパスを実行します。 登録済みの6家族のうち、アラビア語族のうち1家族だけが独立したコーパスと保守的な統計的バーを生き残る清潔な選択的なモジュールである。
  論文  参考訳（メタデータ） (2026-06-23T18:55:41Z)
• Inference-Time Decision Calibration for Temporal Classification [0.607835026936425]
  一時的な分類誤差は、利用可能な証拠がどのように決定に変換されるかから生じることがある。 本稿では,時間的分類のための表現-校正分解を提案する。
  論文  参考訳（メタデータ） (2026-06-14T22:02:48Z)
• Trust, but Don't Verify: Epistemic Blind Spots in LLM Source Evaluation [0.0]
  モデルが生成した統計量を検出する能力を持っているが、マルチソース合成においてこの能力を採用していないことを示す。 具体的には、ソースの影響は、解析テキストの分布レジスタに応答するが、数値の有効性には反応しない方法論登録ゲートによって制御される。
  論文  参考訳（メタデータ） (2026-06-03T20:15:48Z)
• Privacy Auditing with Zero (0) Training Run [24.856718399464636]
  2つの固定データセットを使用してモデルを監査するためのポストホックフレームワークであるZero-Runのプライバシ監査を紹介する。 最初のアプローチは、適応的な構成として分布シフトとアルゴリズムリークの併用効果をモデル化する。 第2のアプローチでは、観測されたデータに基づいて、ポイントワイドなメンバシップ推定を調整し、よりシャープなインスタンス依存境界を得る。
  論文  参考訳（メタデータ） (2026-05-14T09:00:56Z)
• Refinement Provenance Inference: Detecting LLM-Refined Training Prompts from Model Behavior [58.751981587234916]
  本稿では,Refinement Provenance Inference (RPI)監査タスクをRefinement Provenance Inference (RPI)として定式化する。 本稿では,ロジットレベルの信号で教師が強制する可能性機能を融合させるロジットベースのフレームワークであるReProを提案する。 トレーニング中、ReProはシャドウファインチューニングを通じて転送可能な表現を学び、訓練データアクセスなしで、見えない犠牲者の証明を推測するために軽量のリニアヘッドを使用する。
  論文  参考訳（メタデータ） (2026-01-05T10:16:41Z)
• Variations in Relevance Judgments and the Shelf Life of Test Collections [50.060833338921945]
  ニューラル検索設定における先行研究を再現し、評価者の不一致がシステムランキングに影響を及ぼさないことを示す。 我々は、新しい関係判断によって、いくつかのモデルが著しく劣化し、既にランク付け者としての人間の有効性に到達していることを観察した。
  論文  参考訳（メタデータ） (2025-02-28T10:46:56Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。