본 논문은 에너지 효율성과 견고성으로 주목받는 스파이킹 신경망(SNNs)의 개인정보보호 위험성을 조사합니다. 특히, 멤버십 추론 공격(MIAs)에 대한 SNNs의 취약성을 분석하며, 기존 연구에서 제기된 SNNs의 고유한 강건성에 대한 가정을 검증합니다. 연구 결과, 지연 시간(T)이 증가함에 따라 SNNs의 강건성이 감소하며, 블랙박스 설정에서 입력 드롭아웃 전략을 통해 SNNs의 멤버십 추론 공격 성공률이 크게 향상됨을 보였습니다. 결론적으로, SNNs가 ANNs에 비해 더 안전하다는 기대와 달리, SNNs 역시 ANNs와 유사한 수준의 개인정보보호 취약성을 가지고 있음을 밝힙니다. 소스 코드는 깃허브에서 공개됩니다.
