arXiv · cs.AI· Imen Bajar·· 13 天前AI 评分38
量化基础模型脑部 MRI 表征中的隐私风险
Quantifying privacy risks in foundation model representations of brain MRI
来源与原文
arXiv · cs.AI
作者：Imen Bajar
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.20494v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究评估了五个冻结预训练编码器在 OASIS-2 和 MIRIAD 两个纵向 T1 加权脑部 MRI 数据集上的隐私泄露风险。结果显示 rank-1 患者关联在 MIRIAD 上最高达 99%、OASIS-2 上超过 90%，recorded-sex 预测平衡准确率分别达 90.9% 和 95.5%。这表明用嵌入向量替代原始 MRI 并不能消除患者关联或属性推断风险，不足以实现匿名化。
来源：arXiv · cs.AI · arxiv.org