유전체 데이터의 접근성 증가는 유전체학 연구를 혁신했지만, 민감한 특성으로 인해 취급과 관련된 많은 개인 정보 보호 문제를 야기했습니다. 이 연구는 차등적 프라이버시(DP)를 활용하여 민감한 유전체 데이터를 보호하면서 합성 유전자 돌연변이 프로파일 생성을 위해 언어 모델(LM)을 사용하는 것을 탐구합니다. 새로운 Biologically-Informed Hybrid Membership Inference Attack (biHMIA)을 도입하여 DP 모드의 프라이버시 보장을 경험적으로 평가합니다. 이는 전통적인 블랙 박스 MIA와 향상된 공격력을 위한 맥락적 유전체학 지표를 결합합니다. 실험 결과, 소규모 및 대규모 트랜스포머 GPT 유사 모델 모두 소규모 유전체학을 위한 실행 가능한 합성 변이 생성기임을 보여주며, 하이브리드 공격은 평균적으로 전통적인 지표 기반 MIA보다 높은 적대적 성공을 이끌었습니다.
