---
title: "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】"
description: "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。 AI・機械学習での位置づけ、関連モデルや手法との違い、G検定で混同しやすい判断軸を確認できます。"
canonical_url: "https://stemtazoo.github.io/gk/privacy-attacks-cheatsheet/"
section: "gk"
---

## 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<br>(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<br>(Membership Inference Attack) | 学習履歴 | 含まれていたかどうか |
| モデル窃取攻撃<br>(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