成员推理攻击方法、装置、网络设备、介质和程序产品

本发明提供了一种成员推理攻击方法、装置、网络设备、介质和程序产品，方法包括：获取第一图像样本；将第一图像样本输入目标模型，获得目标模型输出的第一图像样本的第一概率分布向量，目标模型是根据训练集中的样本训练得到的，目标模型用于预测第一图像样本的类别概率分布，生成第一概率分布向量；对第一图像样本进行差分梯度估计以及扰动处理，生成每一个第一图像样本分别对应的多个邻居样本；将邻居样本输入目标模型，获得目标模型输出的每一个邻居样本分别对应的第二概率分布向量；将第一概率分布向量与对应的多个第二概率分布向量进行比较，确定第一图像样本是否属于训练集。本发明实施例实现了高效、轻量化、高准确度的成员推理攻击。