University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

Certified in Theory, Broken in Practice: Assumption Gaps in Cryptographic Model Certification

理论上可认证，实践中却被破解：密码学模型认证中的假设差距

Carter Luck, Olive Franzese-McLaughlin, Elisaweta Masserova, Akira Takahashi, Antigoni Polychroniadou, Nicolas Papernot

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Vector Institute & University of Toronto（向量研究所及多伦多大学） ； Carnegie Mellon University（卡内基梅隆大学） ； J.P.Morgan AI Research & AlgoCRYPT CoE（摩根大通人工智能研究及AlgoCRYPT中心） ； University of Toronto（多伦多大学） 纠错

AI总结 研究密码学模型认证中现有安全定义与实际应用的差距，通过精心设计训练数据可攻击相关认证方案。为此形式化严格安全概念，引入通用协议模板，为设计安全隐私保护的机器学习审计协议提供指导。