본 논문은 언어 모델(LM)의 텍스트 언러닝(unlearning) 메커니즘의 효과성과 안전성에 대한 심층적인 분석을 제시합니다. 기존의 텍스트 언러닝 기법이 예상만큼 효과적이지 않다는 점을 지적하며, 새로운 감사 방법인 U-LiRA+를 제안하여 언러닝된 텍스트가 여전히 높은 확률로 감지될 수 있음을 보여줍니다. 또한, 배포 환경에서 텍스트 언러닝 메커니즘의 프라이버시 위험을 조사하고, 블랙박스 및 화이트박스 시나리오에서 Textual Unlearning Leakage Attack (TULA)를 제시하여 언러닝된 텍스트에 대한 멤버십 추론 및 데이터 재구성 위험을 강조합니다. 결론적으로, 기존의 텍스트 언러닝은 잘못된 안전감을 줄 수 있으며, 더욱 강력하고 안전한 언러닝 메커니즘이 필요함을 시사합니다.
