सक्रिय सदस्यता अनुमान परीक्षण (AMINT) यह पता लगाने की एक विधि है कि किसी मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए विशिष्ट डेटा का उपयोग किया गया था या नहीं। aMINT एक नवीन बहु-कार्य सीखने की प्रक्रिया का प्रस्ताव करता है जो मूल मॉडल (ऑडिटेड मॉडल) और एक सहायक मॉडल (MINT मॉडल) को एक साथ प्रशिक्षित करता है जो प्रशिक्षण डेटा की पहचान करता है। यह दृष्टिकोण तंत्रिका नेटवर्क प्रशिक्षण के दौरान मॉडल ऑडिटेबिलिटी को एक अनुकूलन लक्ष्य के रूप में एकीकृत करने के लिए डिज़ाइन किया गया है। MINT परत इनपुट के रूप में मध्यवर्ती सक्रियण मानचित्रों का उपयोग करती है और प्रशिक्षण डेटा पहचान में सुधार के लिए प्रशिक्षित होती है। मोबाइलनेट से लेकर विज़न ट्रांसफॉर्मर तक, विभिन्न तंत्रिका नेटवर्कों का पाँच सार्वजनिक मानकों पर मूल्यांकन करते समय, aMINT ने डेटा उपयोग का पता लगाने में 80% से अधिक सटीकता हासिल की, जो मौजूदा विधियों से काफी बेहतर प्रदर्शन था। aMINT और संबंधित पद्धतिगत प्रगति AI मॉडल की पारदर्शिता बढ़ाने और सुरक्षा, गोपनीयता और कॉपीराइट संरक्षण के लिए मजबूत सुरक्षा उपाय स्थापित करने में योगदान करती है।
