最終更新日：2026年8月27日
gk security privacy
G検定トップ
＞ メンバーシップ推論攻撃とは？学習データに含まれたかを推定【G検定対策】
まず結論
メンバーシップ推論攻撃（Membership Inference Attack）は、あるデータがモデルの学習データに含まれていたかどうかを推定する攻撃です。
G検定では、データそのものを復元する攻撃ではなく、「学習に使われた？ YES / NO」を狙うと覚えると切り分けやすくなります。
直感的な説明
ある人物のデータをモデルへ入力したとき、その反応の違いなどから、
「このデータは訓練時に見たことがあるのでは？」
と推測するイメージです。
学習データに含まれていたという事実自体が、医療・購買・行動履歴などの機微な情報を推測する手掛かりになる場合があります。
定義・仕組み
メンバーシップ推論攻撃では、予測結果、スコア、信頼度などの情報を利用して、対象データが訓練集合のメンバーだったかを推定します。
過学習などによって訓練データと未知データへの挙動に差があると、攻撃の手掛かりが増える場合があります。ただし、「過学習しているモデルだけで成立する攻撃」ではありません。攻撃手法やモデルへのアクセス条件によってリスクは変わります。
いつ使う？（得意・不得意）
リスクが問題になる例です。
- 医療データで学習したモデル
- 個人の行動履歴を含むモデル
- 詳細なスコアを返す公開API
対策として、過学習の抑制、出力情報の制限、アクセス制御、差分プライバシーなどが検討されます。
G検定ひっかけポイント
- ❌「学習データの内容を復元する」→ データ窃取攻撃
- ⭕「特定データが学習に含まれたかを推定する」→ メンバーシップ推論攻撃
- ❌「対象モデルと似た代替モデルを構築する」→ モデル窃取攻撃
- ❌「過学習していなければ絶対に成立しない」→ リスク要因の1つではあるが絶対条件ではない
まとめ（試験直前用）
- Membership Inference＝学習に含まれたかを推定
- 学習データそのものの復元とは別
- 過学習はリスクを高める場合がある
- 「含まれていた？」が判断キーワード