Nature 最新研究揭示，用于乳腺癌筛查的 AI 模型存在严重隐私漏洞，成员推理攻击可精准识别患者身份，且模型越大、少数群体风险越高。
📝 详细摘要
2026 年 6 月 24 日，Nature 发表了一项来自德国慕尼黑理工大学、伦敦帝国学院等机构的研究，首次对乳腺癌筛查 AI 模型进行“个人隐私审核”。研究使用美国 EMBED 乳腺 X 光检查数据集（超 2.3 万名患者、48 万张影像）训练乳腺密度预测模型，并引入成员推理攻击（MIA）测试隐私风险。结果发现，虽然攻击的总体成功率接近随机猜测，但对于特定患者个体，成功率可接近 100%。更严重的是，随着模型规模扩大，高隐私风险患者数量加速增长；少数群体（如良性/疑似恶性肿瘤患者）面临不成比例的更高风险。研究指出，传统“总体隐私评估”框架会掩盖个体风险，亟需针对每一位数据贡献者的风险评估与保护技术。
💡 主要观点
- 成员推理攻击可接近 100%准确识别患者是否在训练集中。 攻击模型能判断某张乳腺 X 光片是否被用于训练 AI 模型，进而推断患者就诊史、疾病类型等敏感信息。
💬 文章金句
- 总体隐私指标可能严重低估个人的隐私风险。
- 攻击成功率能够接近 100%。
- 少数群体面临不成比例的更高风险。
📊 文章信息
AI 初评：80
来源：梅斯医学
作者：梅斯医学
分类：人工智能
语言：中文
阅读时间：7 分钟
字数：1718
标签： 医疗AI, 数据隐私, 成员推理攻击, 乳腺癌筛查, AI安全