본 논문은 연합 학습(Federated Learning, FL) 환경에서의 지적 재산권(Intellectual Property, IP) 위협, 특히 모델 추출(Model Extraction, ME) 공격에 대한 취약성을 분석합니다. NVFlare 플랫폼 기반의 다양한 연합 학습 클라이언트를 대상으로 두 가지 심층 학습 아키텍처와 세 가지 이미지 데이터셋에서 ME 공격을 구현하고, 정확도, 충실도, KL 발산 등의 지표를 사용하여 공격 성능을 평가했습니다. 실험 결과, 추출된 모델의 정확도와 충실도는 공격 쿼리 집합의 크기와 밀접한 관련이 있음을 보였고, 사전 훈련된 모델을 기반으로 전이 학습을 활용한 ME 공격이 특히 작은 쿼리 집합에서 더 높은 정확도와 충실도를 달성함을 확인했습니다.
