Membership Inference Attack against Large Language Model-based Recommendation Systems: A New Distillation-based Paradigm
Created by
Haebom
Category
Empty
저자
Li Cuihong, Huang Xiaowen, Yin Chuanhuan, Sang Jitao
개요
본 논문은 대규모 언어 모델(LLM) 기반 추천 시스템에 대한 멤버십 추론 공격(MIA)의 성능을 향상시키기 위해 지식 증류 기반의 새로운 패러다임을 제안합니다. 기존의 MIA는 섀도우 모델을 사용하여 대상 모델의 특징을 추출하지만, LLM 기반 추천 시스템의 훈련 데이터의 규모와 복잡성으로 인해 섀도우 모델 구축이 어렵습니다. 본 논문은 지식 증류를 활용하여 더 강력한 참조 모델을 구축하고, 멤버 데이터와 비멤버 데이터를 개별적으로 증류하여 두 데이터 간의 차별 능력을 향상시키는 방법을 제시합니다.
