提出选择性关联精度指标评估医学VLM重识别风险
热点事件持续更新
提出选择性关联精度指标评估医学VLM重识别风险
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Soroosh Tayebi Arasteh 等作者提出“选择性关联精度”指标,用来衡量攻击者借助视觉语言模型(VLM),在按可用属性筛选候选后,于置信度最高的查询中正确匹配胸部X光影像与报告的比例。该指标把评估重点放在高置信度匹配上,用于考察公开医学VLM的影像与报告重识别风险。作者称,该指标无需重新训练即可推理,可帮助医院评估哪些属性适合公开。
AI 根据报道生成 · 2 小时前更新
最新进展11月3日 13:00
选择性关联精度:评估公开医学视觉语言模型的影像与报告重识别风险报道时间线
沿着报道,了解事件的不同侧面。
11月3日
- arXiv · cs.AI选择性关联精度:评估公开医学视觉语言模型的影像与报告重识别风险
研究提出选择性关联精度(selective linkage precision)指标,用于衡量攻击者用视觉语言模型(VLM,Vision-Language Model)在按属性筛选后的高置信度查询中正确匹配影像与报告的比例。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。