最終更新日：2026年8月27日
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
3つの攻撃は、「何を狙っているか」で切り分けます。
| 攻撃 | 狙い |
|---|---|
| データ窃取攻撃 | 学習データの内容・特徴 |
| メンバーシップ推論攻撃 | そのデータが学習に含まれたか |
| モデル窃取攻撃 | モデルの挙動・能力 |
直感的な説明
- データ窃取：モデルが覚えた中身を探る
- メンバーシップ推論：そのデータを見たことがあるか探る
- モデル窃取：モデルの振る舞いを真似する
似た問い合わせ型の攻撃でも、ゴールが違います。
定義・仕組み
データ窃取攻撃
学習済みモデルから、学習データそのものや、その特徴を復元・推定しようとします。
メンバーシップ推論攻撃
特定のデータが、訓練集合に含まれていたかどうかを推定します。
モデル窃取攻撃
対象モデルの入出力などを利用し、挙動を模倣する代替モデルを構築しようとします。
公開APIへの問い合わせと出力を使う攻撃は代表例ですが、攻撃手法やアクセス条件はさまざまです。3つとも必ず同じ方法で成立するわけではありません。
いつ使う？（得意・不得意）
問題文の目的語に注目します。
- 「訓練データを復元」→ データ窃取
- 「訓練に含まれたか」→ メンバーシップ推論
- 「代替モデル・模倣モデル」→ モデル窃取
対策も攻撃ごとに異なり、アクセス制御、出力情報の制限、過学習の抑制、差分プライバシーなどを状況に応じて組み合わせます。
G検定ひっかけポイント
- ❌「データ窃取＝学習に含まれたかだけを推定」→ メンバーシップ推論
- ❌「モデル窃取＝学習データを復元」→ 狙いが違う
- ❌「3攻撃は必ず詳細な確率出力がないと成立しない」→ 攻撃条件は手法によって異なる
- ⭕「何を狙っているか」で分類する
まとめ（試験直前用）
- データの内容 → データ窃取
- 含まれたか → メンバーシップ推論
- モデルの挙動 → モデル窃取
- 手段より、まず攻撃の目的を見る