成員推斷測試

深度分析

LoRA‑MINT：低階適應下 LLM 訓練資料審計的高精度成員推斷方法

隨著大型語言模型透過LoRA進行領域微調，訓練資料的隱私風險受到關注。研究提出LoRA‑MINT，利用模型困惑度與合成樣本的參考分布比較，判斷樣本是否屬於訓練集。實驗在四種模型與三套基準資料上達到0.77~0.92的精確度，展示此方法在資料審計與AI合規上的可行性。