Active Membership Inference Test (aMINT)는 머신러닝 모델의 학습에 특정 데이터가 사용되었는지 감지하는 방법입니다. aMINT는 기존 모델(Audited Model)과 학습 데이터를 식별하는 보조 모델(MINT Model)을 동시에 학습시키는 새로운 다중 작업 학습 프로세스를 제안합니다. 이 접근 방식은 신경망 학습 과정에서 모델의 감사성을 최적화 목표로 통합하도록 설계되었습니다. MINT 계층에는 중간 활성화 맵이 입력으로 사용되며, 학습 데이터 감지를 향상시키도록 학습됩니다. MobileNet부터 Vision Transformer까지 다양한 신경망을 5개의 공개 벤치마크에서 평가한 결과, aMINT는 데이터 사용 여부 감지 정확도가 80%를 넘어 기존 방법을 상당히 능가했습니다. aMINT와 관련 방법론적 발전은 AI 모델의 투명성을 높이고, 보안, 개인 정보 보호 및 저작권 보호를 위한 강력한 안전 장치를 마련하는 데 기여합니다.
