연구진은 차등 프라이버시(DP)의 한계를 극복하기 위해 예측 가능성이라는 새로운 프라이버시 프레임워크를 제시했어요. 예측 가능성은 공격자의 지식, 노출된 데이터, 민감 정보 예측 가능성을 측정하여 프라이버시 누설을 정량화해요. 차등 프라이버시와 예측 가능성은 상호 비교가 어렵지만, 특정 조건에서는 예측 가능성이 차등 프라이버시를 내포하는 것을 확인했어요.
일반화된 방법론(GMM)을 활용하여 정지형, 에르고딕, 혼합 프로세스에서 비동기 예측 가능성을 분석하고, ERM에 대한 예측 가능성 기반 출력 교란 방식을 도출했어요. 이 방식은 차등 프라이버시와 상호 보완적으로 사용될 수 있어요.
새로운 프레임워크는 특정 민감 정보와 공격자 모델에 맞춰 더욱 세밀한 프라이버시 제어를 가능하게 해요.