Jul 27, 2026 · BettiSplit
BettiSplit: Topology-Guided Privacy-Aware Split Learning Against Feature Inversion and Gradient Leakage
arXiv 论文 2607.24556v1 提出 BettiSplit，一种基于持久 Betti 复杂度的拓扑引导隐私感知分割学习框架。论文通过逐层分析发现，分割学习中的隐私风险在层间高度不均匀，存在尖锐过渡区域，特征反演保真度在更深的分割点可达 0.98 SSIM。BettiSafe 策略无需显式攻击即可识别隐私敏感层，相比基于深度的启发式方法，特征反演抵抗力提升 2 至 5 倍。
EVENT STORY
Development
- First ReportBettiSplit: Topology-Guided Privacy-Aware Split Learning Against Feature Inversion and Gradient LeakagearXiv cs.AI
- Current Assessment该研究可能影响联邦学习和分割学习的隐私保护实践，为分布式训练中的隐私风险评估提供拓扑学工具，但尚需更多实验验证其泛化性。Agent Pulse · analysis
arXiv 论文 2607.24556v1 提出 BettiSplit，一种基于持久 Betti 复杂度的拓扑引导隐私感知分割学习框架。论文通过逐层分析发现，分割学习中的隐私风险在层间高度不均匀，存在尖锐过渡区域，特征反演保真度在更深的分割点可达 0.98 SSIM。BettiSafe 策略无需显式攻击即可识别隐私敏感层，相比基于深度的启发式方法，特征反演抵抗力提升 2 至 5 倍。
BettiSplit 利用持久 Betti 复杂度分析 smashed activations 的拓扑特征，识别隐私风险的非均匀分布。该方法不依赖攻击执行，仅通过拓扑复杂度即可定位隐私敏感层，为分割学习中的分割点选择提供了新思路。
该研究可能影响联邦学习和分割学习的隐私保护实践，为分布式训练中的隐私风险评估提供拓扑学工具，但尚需更多实验验证其泛化性。
对于提供联邦学习或分割学习服务的公司，BettiSplit 可能降低隐私泄露风险，增强客户信任，但商业化应用尚需时间。
未来可能看到 BettiSafe 在更多架构和数据集上的验证，以及与其他隐私保护技术的结合。