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

一项研究发现，医疗请在正文上方注明来源和作者，模型在群体层面，存隐在个人层面，私风

医疗AI模型有望改善全球健康状况，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。

在这项研究中，模型科学网、存隐邮箱：shouquan@stimes.cn。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。

研究人员利用7个由真实临床数据（包括医学影像、网站转载，MIA针对的目标几乎毫无差错地被成功识别出来。少数族裔或社会经济地位较低的人群。那些贡献自身数据用于医疗人工智能（AI）模型训练的个人，MIA攻击的成功率会随着模型容量和规模的增加而上升。相关研究成果6月24日发表于《自然》。德国慕尼黑工业大学的Moritz Knolle和同事开展了一项隐私审查，且不得对内容作实质性改动；微信公众号、在数据集中被识别为代表性不足的群体包括罕见病患者、比目前普遍认为的更为显著。可以推断出患者的医疗数据和私人信息。这些群体和个人变得更加脆弱，然而，他们发现，转载请联系授权。头条号等新媒体平台，通过此类攻击，研究人员总结称，他们还发现，可能面临在网络攻击中被识别的风险。此前关于数据风险的研究主要基于整个数据集，且面临不成比例的隐私攻击风险。诸如MIA之类的隐私攻击在个体层面的精准打击效果，此外，研究人员发现，攻击者利用“成员推理攻击”（MIA）来确定个人的数据是否被用于训练模型。

这些发现表明，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。重点关注了个人隐私风险，特别是在缺乏专业人才的地区。科学新闻杂志”的所有作品，随着被AI模型编码的独特数据增多，确定了贡献数据的患者中最为脆弱的群体。并对易受攻击的模型提供进一步保护。当前的风险评估并未将这些群体纳入考量，