연구진이 합성 데이터의 개인 정보 유출을 감지하는 프레임워크를 개발했어요. '진정한 유출'과 '팬텀 유출'을 구분하여 개인 정보 유출 여부를 판단해요. 이 프레임워크는 모델 접근 없이도 통계적 검정을 통해 개인 정보 유출을 감지할 수 있어요.
기존 감사 방식보다 더 정확한 개인 정보 유출 경계를 제공하며, 모델에 구애받지 않고 다양한 합성 데이터 생성 방식에 적용 가능해요. 새로운 프레임워크는 멤버십 추론 공격으로 작동하며, 기존 방식보다 훨씬 적은 계산 자원을 사용해요.