본 논문은 클래스 언러닝 평가에서 근본적인 클래스 기하학적 구조를 간과함으로써 개인 정보가 유출될 수 있다는 문제점을 제기하고, 이를 해결하기 위한 간단하면서도 효과적인 솔루션을 제시한다. 특히, 모델이 이웃 클래스에 할당하는 확률을 활용하여 언러닝된 샘플을 감지하는 멤버십 추론 공격 (MIA-NN)을 제안한다. 또한, 재학습 모델이 생성할 나머지 클래스에 대한 분포를 근사하여 개인 정보 유출을 완화하는 새로운 미세 조정 목표, 즉 Tilted ReWeighting (TRW) 분포를 제안한다. 실험 결과, TRW는 기존 언러닝 방법보다 우수한 성능을 보였다.
