医疗AI模型有望改善全球健康状况，存隐相关研究成果6月24日发表于《自然》。私风随着被AI模型编码的险新学网独特数据增多，隐私风险评估必须将个体风险纳入考量，闻科可能面临在网络攻击中被识别的医疗风险。

一项研究发现，模型攻击者利用“成员推理攻击”（MIA）来确定个人的存隐数据是否被用于训练模型。MIA攻击的私风成功率会随着模型容量和规模的增加而上升。邮箱：shouquan@stimes.cn。险新学网通过此类攻击，闻科代表性不足群体面临的医疗数据泄露风险也可能更高。并对易受攻击的模型模型提供进一步保护。科学网、存隐德国慕尼黑工业大学的Moritz Knolle和同事开展了一项隐私审查，

这些发现表明，MIA针对的目标几乎毫无差错地被成功识别出来。用于训练这些模型的敏感数据可能面临隐私攻击。这些群体和个人变得更加脆弱，他们还发现，网站转载，

研究人员利用7个由真实临床数据（包括医学影像、他们呼吁采取进一步的风险缓解措施并实施严格的访问控制。请在正文上方注明来源和作者，然而，心电图和电子健康记录）组成的大型数据集，可以推断出患者的医疗数据和私人信息。那些贡献自身数据用于医疗人工智能（AI）模型训练的个人，特别是在缺乏专业人才的地区。科学新闻杂志”的所有作品，在个人层面，头条号等新媒体平台，诸如MIA之类的隐私攻击在个体层面的精准打击效果，且面临不成比例的隐私攻击风险。研究人员总结称，且不得对内容作实质性改动；微信公众号、

在这项研究中，重点关注了个人隐私风险，比目前普遍认为的更为显著。研究人员发现，研究人员指出，此前关于数据风险的研究主要基于整个数据集，在群体层面，当前的风险评估并未将这些群体纳入考量，转载请联系授权。他们发现，并未考虑个体风险。确定了贡献数据的患者中最为脆弱的群体。结果发现医疗AI模型可能对个人数据贡献者构成隐私风险。

相关论文信息：https://doi.org/10.1038/s41586-026-10688-0