論文の概要: Frequency-Domain Membership Inference Does Not Beat Confidence Thresholding: A Band-Resolved Analysis of Why
- arxiv url: http://arxiv.org/abs/2610.24643v1
- Date: Sat, 17 Oct 2026 11:37:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-22 17:14:37.41223
- Title: Frequency-Domain Membership Inference Does Not Beat Confidence Thresholding: A Band-Resolved Analysis of Why
- Title（参考訳）: 周波数領域のメンバーシップ推論は信頼度に勝らない:なぜバンド解決された分析
- Abstract要約: メンバーシップは、どのバンドにもスペクトルエネルギーが蓄積されるのではなく、全体像のアイデンティティ効果である。
サーチオーバー1206の候補スコアは、ホールドアウトハーフとアッパーバウンドとの組み合わせとに選択された方向で、いずれかのレギュレーションのしきい値に当たらないスコアを生成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A widely repeated account of membership inference holds that models lean on fine-grained detail for samples they have memorized, so degrading an input's resolution should expose membership through how quickly a prediction falls apart. We test that account band by band. A monotone family of zero-phase low-pass filters is applied to each query image, the target's confidence on its original prediction is read at every step, and the resulting decay is scored in a dozen ways. Two federated ResNet-18 targets are studied, one trained normally and one pushed to a 45.1-point generalization gap. The account does not survive. On the normally trained target the best profile score reaches an AUC of 0.513 against 0.537 for a single confidence threshold, and on the overfit target 0.735 against 0.943. A search over 1206 candidate scores, with direction chosen on a held-out half and a fitted combination as an upper bound, produces no score that beats the threshold in either regime. The failure has a mechanism: the mean confidence gap between members and non-members grows as detail is removed, exactly as the hypothesis predicts, but the spread grows faster, so discriminability falls from the first step onward. Decomposing each image into phase and magnitude shows why no band-localized operation can work, since the advantage travels with image structure, surviving at 0.567 when the phase is kept and collapsing to 0.492 when only the magnitude is. Membership is a whole-image identity effect rather than an accumulation of spectral energy in any band, and defenses aimed at high-frequency reliance are aimed at the wrong target.
- Abstract（参考訳）: メンバーシップ推論の広く繰り返される説明では、モデルが記憶したサンプルのきめ細かい詳細に依存しているため、入力の解像度を劣化させることは、予測がいかに早く崩壊するかを通してメンバーシップを公開するべきである。
私たちはその口座バンドをバンドでテストします。
各問合せ画像に0相低域フィルタの単調なファミリを適用し、その元の予測に対する目標の信頼度を各ステップで読み出し、結果の減衰度を12通り測定する。
2つの連合 ResNet-18 の目標が研究され、1つは正常に訓練され、1つは45.1ポイントの一般化ギャップにプッシュされた。
口座は存続していない。
通常訓練された目標では、最高のプロファイルスコアが1つの信頼閾値で0.537に対して0.513、オーバーフィットターゲットで0.943に対して0.735に達する。
サーチオーバー1206の候補スコアは、ホールドアウトハーフとアッパーバウンドとの組み合わせとに選択された方向で、いずれかのレギュレーションのしきい値に当たらないスコアを生成する。
メンバーと非メンバー間の平均的な信頼ギャップは、仮説が正確に予測するように、詳細が取り除かれるにつれて増大するが、拡散はより速く成長するため、差別性は最初のステップから先へと低下する。
各画像を位相と大きさに分解すると、位相が保たれたときに0.567で生存し、大きさだけが0.492に崩壊するため、帯域局所化操作が機能しない理由が分かる。
メンバーシップは、どのバンドにもスペクトルエネルギーが蓄積されるのではなく、全体像のアイデンティティ効果であり、高周波依存を目的とした防御は、間違ったターゲットをターゲットにしている。
関連論文リスト
- Just Align $\bm{x}$: Aligning Predictions, Not Representations [42.81833355126605]
JAxはノイズレベルにわたってクリーンなイメージ予測を整列する予測・スーパービジョン手法である。
JAxは一貫してFIDを改善し、JT-B/16、L/16、H/16間の収束を加速する。
その結果、予測空間の監督は、画素空間生成モデルの表現アライメントに代わる、シンプルで原則化された代替手段を提供することを示した。
論文 参考訳（メタデータ） (2026-09-30T19:04:04Z) - $T^5$: Twin-Critic Training for Token-Level Thoughts in Reinforcement Mid-Training [38.44142588468548]
既存のグループ相対法では、コストがかかる。
単一生成軌道からトークンレベルの利点を校正するツインクリティカルな方法であるtfourを提案する。
実験の結果、最先端の批判のない手法と比較して、tfourは平均ベンチマーク性能を7.8%改善し、平均トレーニングステップ時間を63.4%削減した。
論文 参考訳（メタデータ） (2026-09-26T17:07:57Z) - Self-Cleaning and Captured Anyway: One Measured Primitive for Error in a Store an Agent Writes to Itself, and What a Falling Score Actually Measures [14.867869624585886]
「後から回収した店に結末を書き込むエージェントは、通常片道汚染として報告されるループを閉じる。」
「第87段の列は、全てアペンディックスWに、うち37段の行は退行、退行、失敗、自己是正、決定不能、または認められない限度であり、そうでないもの50である。」
論文 参考訳（メタデータ） (2026-09-06T13:54:02Z) - Learning Manipulation-Sufficient Representations via Outcome Bottlenecks [7.044221981512693]
ネットワーク操作エンドポイントは、計算と帯域幅に制限のあるリンク間でのアクティベーションに対する認識を2つに分けている。
表現は、ポリシーフリーでアクション条件付きの結果ボトルネックで学習される。
有限プローブ定理は、局所レベル集合の接空間と結果ヤコビアンの零空間を識別する。
論文 参考訳（メタデータ） (2026-09-02T13:22:35Z) - Where Cognition Lives: Dissecting Emergent from Computed Function in a Minimal Complete Cognitive Architecture [0.0]
適応停止, ホメオスタティック制御フィールド, 値モジュールを備えたリカレント推論器を構築する。
停止も出現し、前もって決定できるものよりも価値が高いように見えるが、その外観は計り知れない。
PonderNetスタイルの停止は、隠された状態の停止重み付き混合を返し、強制深度ベースラインは1を返す。
論文 参考訳（メタデータ） (2026-08-23T10:27:13Z) - Robust CHSH Self-Testing with Finite-Energy GKP States [42.71287663143178]
有限エネルギーGKPCHSH試験のフルオシレータ解析について述べる。
観測されたスコアは、ベルペアの自己テストが堅牢になる。
論文 参考訳（メタデータ） (2026-08-11T16:33:28Z) - Accurate Ensembles, Fragile Narratives: Multi-Scale Stacking and a Fidelity Audit of LLM-Generated Explanations for Credit Risk [0.0]
クレジットスコアリングは、決定ロジックをパラメータから読み取ることができないモデルに依存している。
共通する提案は、言語モデルとのギャップを埋める: 特徴属性を計算し、それらを LLM に渡し、合理的に記述させる。
このようなシステムをエンド・ツー・エンドに構築し、約束の後半が成立するかどうかをテストします。
論文 参考訳（メタデータ） (2026-08-08T13:22:14Z) - Ghost: Plausible Yet Unlearnable Trajectories via On-Manifold Substitution for Next-POI Privacy [34.07056031726073]
チェックイントラジェクトリをリリースするパブリッシャは、ユーザの将来位置の強い予測器を不注意に公開する。
このリスクに対処するために、クリーンなテスト入力に対して次点次点(next-POI)の精度を低下させた被害者モデルを生成する、学習不能なトラジェクトリ、摂動シーケンスを生成する。
我々はGhostを提案する。Ghostは、摂動が人間のチェックインシーケンスのように見えるが、学習可能な信号は残っていない。
論文 参考訳（メタデータ） (2026-06-02T14:31:14Z) - Let the Results Speak: A Replication-First Paradigm for LLM Behavioral Benchmarking [22.825786049667602]
本稿では,1つのヒト・ラタのコンセンサスに有効性を確保するために,複製第一パラダイムを提案する。
楽器を4つの特性で認証する - Kランの信頼性、アーキテクチャ的に異なる審査員間のクロスインストラクトレプリケーション、以前のトレーニングコホートからの審査員による歴史的フットプリントキャリブレーション、事前登録された予測。
本研究は, 自己発達型データ駆動による情緒的伴奏で, 次元は事前に決められず, 手順は9次元に安定化する。
論文 参考訳（メタデータ） (2026-05-27T03:41:11Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z)
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。