データ窃取・メンバーシップ推論・モデル窃取 攻撃まとめは頻出論点を整理して得点力につなげる学習テーマです。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk security privacy cheatsheet

G検定トップ ＞ データ窃取・メンバーシップ推論・モデル窃取 攻撃まとめ【G検定チートシート】

まず結論

G検定で頻出のプライバシー・セキュリティ系攻撃は、
「何を狙っている攻撃か」を見抜けば一瞬で切れる。
データ／履歴／モデルの どれを盗もうとしているか が判断基準。

直感的な説明

3つの攻撃は、目的がまったく違う。

  • データ窃取攻撃：中身を抜きたい
  • メンバーシップ推論攻撃：使われたか知りたい
  • モデル窃取攻撃：仕組みをコピーしたい

G検定では、
「どれも似た言葉」で説明されるが、
ゴールが違うことを理解していれば迷わない。

定義・仕組み

3つの攻撃の正式整理

攻撃名 狙い 何が分かる？
データ窃取攻撃
(Data Extraction Attack)		 学習データ データの一部・特徴
メンバーシップ推論攻撃
(Membership Inference Attack)		 学習履歴 含まれていたかどうか
モデル窃取攻撃
(Model Extraction Attack)		 モデル自体 同等性能のモデル

重要なのは
「出力を使う」点は共通だが、目的が違うこと。

いつ使う？（得意・不得意）

成立しやすい共通条件

  • API経由でモデルが使える
  • 出力が詳細（確率・スコアなど）
  • 問い合わせ制限が緩い

攻撃ごとの弱点

  • データ窃取攻撃
    → ノイズ付与・差分プライバシーに弱い
  • メンバーシップ推論攻撃
    → 過学習していないモデルでは成立しにくい
  • モデル窃取攻撃
    → クエリ制限があると難しい

G検定ひっかけポイント

ここが 得点差がつくポイント。

典型的なひっかけ文

  • 「学習データの一部を推定・抽出」
    → データ窃取攻撃
  • 「学習に使われたかどうかを判定」
    → メンバーシップ推論攻撃
  • 「同等性能のモデルを再構築」
    → モデル窃取攻撃

超重要な判断基準

何を盗もうとしている？

  • データ → データ窃取
  • 履歴 → メンバーシップ推論
  • モデル → モデル窃取

ここだけ見ればOK。

まとめ（試験直前用）

  • G検定の攻撃系は 目的で切る
  • データを抜く → データ窃取攻撃
  • 含まれていたか判定 → メンバーシップ推論攻撃
  • モデルをコピー → モデル窃取攻撃
  • 迷ったら「何を盗みたい？」と自問する

🔗 関連記事

🏠 G検トップに戻る