AIarXiv cs.CR (암호학·보안)AI 점수 85%
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Label-Budgeted Attribute Inference from Protected Features in Edge-Cloud Split Multimodal LLMs (원문, 새 창)
AI 인사이트
대상 독자:개발자
- 엣지-클라우드 분할 멀티모달 LLM 추론서 전송 특성만으로 민감속성 추론 가능함을 입증
- 라벨예산별 '복구곡선'으로 프라이버시 측정, 비보호 파이프라인은 깊이무관 전부 유출
- Safe-LLaVA가 응답서 생체정보 제거해도, 전송 특성은 라벨 20개로 유출 75~85% 복구
왜 중요한가
원본 이미지를 로컬에 두는 것만으론 프라이버시가 보장되지 않아, 전송 표현 자체를 보호해야 한다는 설계원칙을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2610.32079v1 Announce Type: new Abstract: Edge-cloud split inference runs the early layers of a multimodal large language model (MLLM) on a device and sends intermediate features to a server to complete the task. While keeping raw images local is often perceived as a privacy benefit, an honest-but-curious server can still infer sensitive attributes, such as age, gender, and race, from the received features. Existing protections intervene at the input, transmitted representation, or model'
전체 내용이 궁금하다면?
arXiv cs.CR (암호학·보안)에서 원문을 직접 읽어보세요
공유
- #엣지클라우드추론
- #멀티모달LLM
- #속성추론
- #프라이버시
이 글이 만들어진 과정
- 11:34AI 초안