成員推論攻擊

一種判定某特定個人的記錄是否被納入用於訓練共享解碼器或神經模型之資料集的攻擊，通常利用模型對其曾見過之資料的過度自信。對神經資料而言，光是成員身分本身就可能敏感——它可能揭露某人是特定臨床研究的病患，或帶有某項診斷。

成員推論是衡量一條訓練流程是否洩漏其參與者資訊的標準基準，也正是差分隱私設計上要加以約束的失效模式。以小型神經樣本群訓練的過度參數化深度解碼器尤其暴露，因為它們會記憶個別場次。