CAFÉ：机器遗忘的因果黑盒测试方法
研究者提出 CAFÉ，一种仅依赖已部署模型预测结果的机器遗忘黑盒测试方法，通过干预特征并将变化传播至下游特征，检测预测是否仍受目标特征影响。在两个因果网络基准、四种遗忘方法上，CAFÉ 以 0.92–0.93 的成对准确率对残余影响排序，现有检查最高仅 0.71。在真实人口普查数据上，CAFÉ 还发现了能通过重训练却未被直接输入检查察觉的残余影响。
#安全/对齐
arXiv cs.SEAI 评分2424 arXiv cs.SEAI 评分2222 保护边缘 TEE 上的 CPU AI 模型：WebAssembly 的潜力与实际挑战
研究提出在 Arm TrustZone 的 OP-TEE 中通过 WebAssembly Micro Runtime（WAMR）运行未经修改的 AI 模型，并配套一个加密 WebAssembly 二进制、将密钥存入设备熔丝的模型分发器，使只有 OP-TEE 中的 WAMR 可信应用能解密执行。