经典影子训练流程（三级架构）

style="margin-left:40px">完整实现代码

style="margin-left:40px">代码架构说明

style="margin-left:0px">第二章：技术演进与攻击变体

影子数据生成策略

从多影子模型到单影子模型：Salem等人的ML-Leaks攻击

联合成员推断攻击（最新前沿）

代理成员推断攻击（PMIA）：非自适应场景下的理论最优策略

贝叶斯最优攻击：Sablayrolles等人的似然比检验框架

防御机制与未来方向

防御效果评估：在不降低分类准确率的前提下减少信息泄露

传统防御策略及其局限

基准数据集与模型架构：CIFAR-10/100、ImageNet、医疗数据集

开放问题与研究前沿

大语言模型（LLM）中的影子学习：生成式AI的隐私挑战

理论分析：影子攻击的贝叶斯最优性与样本复杂度边界

---

style="background-color:transparent;

text-align:center">第一章：基础理论与核心机制

1.1

---