AI 연구연구 프리프린트
추천용 문장 임베딩만 노출돼도 책·영화 정체가 드러날 수 있다
원문 읽기 · arxiv.org ↗(새 탭에서 열림)추천 서비스가 책·영화 설명을 벡터로 바꿔 공유하면 이름을 숨겨도 외부 설명과의 유사도 비교로 상품을 다시 알아낼 수 있다는 실험이다.
연구 방법
- 연구진은 MovieLens 32M과 GoodReads의 인기 항목 각1만 개에서 여섯 문장 임베딩 모델을 시험했다. 공격자는 원래 설명과 별도로 만든 설명 또는 제목을 보유하고 코사인 유사도로 후보를 순위화했다. 닫힌 후보집합 1000~5000개와 열린 집합의 차이를 나눠 평가했다.
평가 결과
- 제목과 설명을 함께 벡터화한 항목은 제목만 가진 공격자에게도 높은 평균 역순위를 보였다. 설명만 벡터화해 명시적 제목 겹침이 없어도 별도 출처 설명의 의미 유사성으로 식별이 남았다. 설명을 흐리게 만들면 식별 성능은 낮아졌지만 MovieLens 평점 예측오차가 커지고 추천 순위 일치도가 낮아졌다.
적용 조건
- 실험은 공개 영화·도서 목록, 공격자가 보유한 보조 텍스트와 지정된 후보 집합을 전제로 한다. 실제 개인정보나 임의 비공개 항목 유출 규모는 측정하지 않았다. 이용자 재식별도 희소 평점과 항목 대응이 주어진 조건의 모의 평가라 일반 서비스의 재식별 확률로 읽으면 안 된다.
함께 확인할 조건
- 실험은 공개 영화·도서 목록, 공격자가 보유한 보조 텍스트와 지정된 후보 집합을 전제로 한다. 실제 개인정보나 임의 비공개 항목 유출 규모는 측정하지 않았다. 이용자 재식별도 희소 평점과 항목 대응이 주어진 조건의 모의 평가라 일반 서비스의 재식별 확률로 읽으면 안 된다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.