대규모 언어 모델(LLM) 기반 추천 시스템(RecSys)은 프롬프트 내 학습(ICL)을 사용하여 다양한 도메인에 유연하게 적응한다. 이는 사용자의 클릭한 아이템 또는 제품 리뷰와 같은 민감한 사용자별 아이템 상호 작용을 포함하는 추천 기능을 맞춤화하기 위해 프롬프트를 사용한다. 이러한 개인 정보는 새로운 프라이버시 공격에 노출될 수 있지만, 이 중요한 문제에 대한 연구는 부족했다. 본 연구는 LLM 기반 RecSys의 프롬프트 취약점을 분석하기 위해 네 가지 멤버십 추론 공격(MIA)을 설계했다.
