重新思考合成数据生成中的匿名性主张：基于模型中心隐私攻击视角

Georgi Ganev 与 Emiliano De Cristofaro 指出，合成数据当前多按单数据集评估匿名性，但实际部署中训练模型可被查询，应从模型中心结合前沿隐私攻击重新评估可识别性风险。研究认为仅靠合成数据技术不足以充分匿名化，并比较了差分隐私与相似度隐私指标：前者能提供较强防护，后者缺乏充分保障。