본 논문은 Retrieval-Augmented Generation (RAG) 및 Multimodal Retrieval-Augmented Generation (MRAG)에서 생성된 콘텐츠의 출처를 세밀하게 식별하는 최초의 Source-aware Membership Audit (SMA) 방법론을 제안합니다. 기존의 Membership Inference 방법론이 RAG/MRAG 시스템의 복잡성으로 인해 생성된 콘텐츠의 출처(전이 학습 데이터, 외부 검색 결과, 사용자 입력)를 정확하게 식별하지 못하는 한계를 극복하기 위해, 제로-오더 최적화 기반의 속성 추정 메커니즘과 교차 모달 속성 기술을 활용합니다. 특히, MLLM을 이용하여 이미지 입력을 텍스트로 변환하여 MRAG 시스템에서 이미지 검색 기록에 대한 Membership Inference를 가능하게 합니다. 이는 데이터가 '기억되었는지' 여부가 아닌, '콘텐츠의 출처가 어디인지'에 초점을 맞춘 새로운 관점을 제시합니다.
