본 논문은 "잊힐 권리" 관련 규정의 도입으로 인해 직면하게 된 연합 학습(FL)의 새로운 개인정보 준수 문제를 다룹니다. 연합 학습에서의 개인정보 보호 취약성 문제 해결을 위해 제안된 연합 언러닝(FU)의 효율성 향상에 초점을 맞춘 기존 연구들과 달리, 본 논문은 FU의 잠재적 개인정보 보호 취약성에 주목합니다. 연합 학습에서의 기울기 역전 공격에서 영감을 얻어, 세 가지 유형의 FU(샘플 언러닝, 클라이언트 언러닝, 클래스 언러닝)에 특화된 연합 언러닝 역전 공격(FUIA)을 제안합니다. FUIA는 서버를 정직하지만 호기심 많은 공격자로 간주하여 언러닝 전후의 모델 차이를 기록하고 활용하여 잊혀진 데이터의 특징과 레이블을 노출시키는 공격 방식입니다. 실험 결과 FUIA가 잊혀진 데이터의 개인 정보를 효과적으로 드러낼 수 있음을 보여주며, 이러한 개인정보 유출을 완화하기 위한 두 가지 방어 메커니즘도 탐구하지만, 이는 언러닝 효율성 및 언러닝된 모델의 유용성 저하라는 비용을 수반합니다.
