💡 一句话总结：文档 MLLM 在看不清图的时候会靠"背下来的字段关系"成组吐出敏感信息，这篇 ACM MM 2026 论文量化了这个风险（最坏 95.5% 泄露率）并给出遗忘方案 DRUF——如果你的业务里有证件识别、表单抽取这条链路，建议花十分钟了解一下。
🎯 先做个小实验
先问一个可能让你后背发凉的问题：把你家文档抽取模型拿过来，喂一张空白图或者一张无关的风景照，再问一句"这份证件的信息是什么"——它会不会照样报出姓名和证件号？
如果你的第一反应是"图都没给有效信息，它应该说不出来啊"，那这正是问题所在。一篇刚挂在 arXiv 上、中稿 ACM MM 2026 的论文（《Beyond Visual Evidence》）系统测了这件事：给 LLaVA-1.5 喂无关图片，95.5% 的情况下它照样吐出了成组的真实字段——姓名、证件号连着来，涉及训练数据里的几十个身份。
对，就是你想的那种画面：模型不是在"识别"，是在默写。
想自己动手试？
- 📄 论文：arXiv 2608.12911（ACM DOI）
- 💻 代码：GitHub · xubeining/Beyond-Visual-Evidence
- 📊 数据集：DocXPand-25k、IDNet（公开数据集，论文未附直链）
🤔 泄露的不是单条数据，是"关系"
先说清楚这个泄露和以往说的"模型泄露训练数据"有什么不同。
做证件识别的模型，训练时见过大量"姓名 + 证件号 + 出生日期"成组出现的样本。这些字段之间存在天然关联——而模型不光记住了单个字段，还把字段之间的绑定关系也记住了。论文把这叫关系级隐私泄露：触发条件是视觉证据缺失，泄露形态是多个关联字段同时出现在输出里。
打个比方：模型像个背过一堆通讯录卡片的实习生。你把卡片藏起来问他，他凭记忆把整张卡片默了出来——不光记得名字，连卡号一起带出来了，因为在他脑子里这俩本来就是绑着记的。
为什么以往的方法治不了它？论文指出了两个盲区：
- 隐私保护研究大多针对单属性泄露——盯着"别泄露某个字段"，没人管"字段之间的关联"这个粒度
- 现有遗忘方法依赖预先定义好的遗忘集——但你没法提前知道模型到底记住了哪些字段对，这个集合取决于模型自己的行为，而且随着训练过程动态变化
还有一个现实背景：这类模型大量用在 KYC（了解你的客户）、表单自动化这些身份文档处理场景里，攻击成本却低得离谱——一张废图加一句话就够。
图说：左侧是以往研究的单属性泄露视角，右侧是本文指出的关系级泄露——弱证据或异常输入触发模型凭记忆成组吐出敏感字段
🛠️ DRUF 怎么把"关系"忘掉
论文的方案叫 DRUF（Dynamic Relational Unlearning Framework，动态关系遗忘框架），思路是"一只手忘、一只手锚"，两个分支同时跑：
- 🔒 Retain 分支：一个全程冻结的 teacher 模型坐镇，student 模型在正常文档样本上跟 teacher 对齐——把正经的关键信息抽取（KIE，Key Information Extraction，从证件图抽结构化字段）能力锚住，别忘过头
- 🧹 Forget 分支：用"空白图 + 固定提问"当输入，找出模型还在联合泄露的字段对，针对性地把这些字段对上的输出分布推离原模型
其中遗忘损失的设计是全文最巧的一笔。对一对被判定泄露的字段（比如姓名和证件号），分别计算它们各自 span（输出里这个字段覆盖的 token 区间）上 student 和 teacher 的分布差异，然后让遗忘损失去最大化这两个差异的乘积。
翻译成人话：把两个字段"绑着推远"。如果只推远其中一个，另一个还留着，字段关联这条线就没断干净；乘性耦合意味着一个字段推得越远，另一个字段被推的力道也越大——直到两边都离开了原模型的记忆轨迹，"联合恢复"（一次吐出一组）的通道才算被破坏。
图说：左路 Retain 分支保住正常抽取能力，右路 Forget 分支做关系级遗忘，中间的回路是"边训边探测、动态更新遗忘目标"
那"该忘哪些字段对"这个清单从哪来？这就是第二个关键设计——动态遗忘集。
作者发现用静态清单不行：你圈定一批泄露对去遗忘，训练几轮后模型行为变了，新的泄露对又冒出来了，按下葫芦浮起瓢。所以 DRUF 每训练 500 步就重新探测一遍：拿当前模型在弱证据输入上跑一轮，看哪些字段对还在泄露，刷新清单再继续忘。本质上是把"发现泄露"和"遗忘泄露"闭成了一个循环——打地鼠，但打得很系统。
图说：配套的 DocPrivacyBench 评测协议——用空白图/人脸图/无关图片隔离视觉通道，用 1300 个多样化 prompt 测诱导泄露，再单独测正常任务性能有没有被误伤
配套的评测基准 DocPrivacyBench 也值得单独一说。它把评估分成三种设定：
- 🖼️ Image-Driven：把输入图像换成空白图、人脸裁剪图、无关图片，提问不变——隔离视觉通道，测纯记忆驱动的泄露
- 💬 Prompt-Driven：图像固定为空白，换 1300 个自动生成的提问——自然疑问、结构化指令、还有直接问"某姓名对应的证件号"这种实体关联探测
- ✅ KIE Task：正常文档图，测正常抽取能力有没有被遗忘过程误伤
判定标准也直白：输出和真实字段的相似度超过阈值、且至少两个字段同时命中，记一次泄露。
📈 效果与代价
几个数字，坦白地摆。
先看问题有多严重。基线模型在弱证据输入下的泄露准确率：无关图片 0.955，人脸图 0.825，分别涉及训练数据里的 32 和 55 个身份。这不是边角案例，是系统性的记忆。
再看方案效果。泄露准确率从最强 baseline SCRUB 的 0.049 压到 0.001——论文摘要里说的"提高 4.8 个百分点"就是这个差值。我倒觉得更诚实的读法是相对抑制约 98%，因为两边绝对值都已经很小了。
最有信息量的其实是那张 trade-off 矩阵，我挑三行给你感受一下方法分野：
- 📉 梯度上升类（GA）：泄露压到 0，但正常抽取能力跟着崩——KIE 一致性从 0.852 掉到 0.119，等于把模型废了
- 😐 DPO / FTF：抽取能力纹丝不动，但泄露也基本没动（0.633 / 0.428）——白忙
- 🎯 DRUF：泄露 0.001 的同时 KIE 保持 0.808——唯一同时占住两个角的
图说：弱证据输入下，基线模型整段吐出姓名、证件号等成组字段；DRUF 处理后不再泄露
图说：消融实验——静态遗忘集会残留泄露，动态探测版清零；乘性耦合的形式也明显优于 NPO、LEGO 等替代设计
消融部分有两个值得记住的点：把动态遗忘集换回静态清单，残留泄露 0.006（动态版是 0）——"边训边探测"不是锦上添花，是必要组件；把乘性耦合换成其它耦合形式，效果明显退化——怎么耦合比是否耦合更关键。
代价也要如实说：DRUF 的 KIE 一致性从 0.852 降到 0.808，掉了 5.2%——其实比 SCRUB 的代价（掉 1.8%）更大，换来的是 49 倍的泄露压制。这笔账划不划算取决于你的场景对隐私的敏感度。
💡 为什么你要关心？
落到实操层面，我觉得有三类人该认真看看这篇。
第一类：业务里有证件 / 表单 / KYC 链路的。 你的模型在训练中大概率也背了字段关联——这篇给了现成的自查协议（DocPrivacyBench 三设定 + 泄露判定标准），代码开源，拿自家模型跑一遍弱证据探测，成本不高，睡前焦虑成本不低。就算你的模型只是内部用，"被遗忘权"这类合规要求早晚要面对。
第二类：做多模态模型安全 / unlearning 研究的。 两个可搬运的组件：span 级 teacher-student KL 加乘性耦合的关系遗忘损失（任何"成组敏感属性"的遗忘场景都能套用），以及动态探测-更新遗忘集的闭环设计（预定义遗忘集这个假设在很多 unlearning 工作里都站不住，这个思路可以推广）。
第三类：给业务选型 / 采购文档 AI 服务的。 评估文档模型时别只测准确率——加一条"喂空白图看它说不说"的隐私探针。这篇的基线数字说明，只看正常指标你完全发现不了这个问题。
再往远看一层：这个发现其实戳中了所有"背过训练数据"的模型的共性——泄露的粒度不一定是单条记录，也可以是记录内部的关联结构。以后做隐私审计，"关系"这个维度值得进默认清单。
🧭 理性看待
几个该打问号的地方，读的时候带着。
最核心的一条：DRUF 消除的是当前探测协议下可观测的泄露，不一定是记忆本身。探测用的是固定的提问方式和弱证据图像；换一种问法、换种语言、或者给一部分真实字段让模型补全，被压下去的关联会不会重新浮出来？论文没有做对抗性重攻击验证——这是机器遗忘评估的经典难题，本文未能免俗。我的建议：把 DRUF 理解为"显著提高了泄露门槛"，而不是"彻底删除了记忆"。
其次，遗忘那一侧的损失是无界的分布推离，全靠 teacher 锚定和 batch 配比往回拽，论文自己也承认训练过程有波动；换模型换数据集，平衡参数大概率要重调。
最后，评估的三个模型（LLaVA-1.5、Xgen-Phi3、Idefics2）都不算新，对当前最强的文档模型是否同样成立、同样可治，还需要验证。数据集本身是公开的身份数据，"泄露训练集身份"的现实危害取决于与真实个人的重合度，这个威胁模型目前更偏研究性质。
作者：lusca
版本：lusca-paper-blog v1.6.0
出处：https://github.com/yjmm10/lusca-skill/tree/main/skills/lusca-paper-blog
