यह शोधपत्र विभेदक गोपनीयता (DP) के अंतर्गत प्रशिक्षित जनरेटिव एडवर्सेरियल नेटवर्क्स (GANs) और प्रसार मॉडल्स की सदस्यता अनुमान हमलों (MIA) के प्रति भेद्यता का पहला व्यापक सैद्धांतिक और प्रायोगिक विश्लेषण प्रस्तुत करता है। स्थिरता-आधारित विश्लेषण दर्शाता है कि प्रसार मॉडल्स की तुलना में GANs डेटा विक्षोभों के प्रति मूलतः कम संवेदनशील होते हैं, जो MIA प्रतिरोध में एक संरचनात्मक लाभ का संकेत देता है। एक मानकीकृत MIA पाइपलाइन का उपयोग करते हुए व्यापक प्रायोगिक अध्ययन विभिन्न डेटासेट्स और गोपनीयता बजटों में गोपनीयता रिसाव का मूल्यांकन करते हैं, और लगातार यह दर्शाते हैं कि GANs, प्रसार मॉडल्स की तुलना में, यहाँ तक कि मज़बूत DP व्यवस्थाओं के अंतर्गत भी, गोपनीयता की मज़बूती काफ़ी अधिक प्रदर्शित करते हैं। यह इस बात पर प्रकाश डालता है कि मॉडल का प्रकार स्वयं गोपनीयता रिसाव को महत्वपूर्ण रूप से प्रभावित कर सकता है।
