通俗解释
模型往往对训练过的样本更“自信”。攻击者训练若干模仿目标模型的“影子模型”，学会根据输出置信度区分“见过”和“没见过”的样本。它是评估模型隐私风险的标准方法，也用来检测大模型是否背过版权文本或测试集。差分隐私训练（DP-SGD）是主要防御。
用在哪里：模型隐私审计、训练数据泄露与测试集污染检测
01原始论文
Membership Inference Attacks against Machine Learning Models
Reza Shokri, Marco Stronati, Congzheng Song, et al. · 2016
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
membership-inference)