[논문리뷰] Where Rectified Flows Leak: Characterising Membership Signals Along the Interpolation Path생성 모델의 대규모 배포가 확산됨에 따라 데이터 프라이버시 및 저작권 문제가 심화되고 있으며, 모델이 학습 데이터를 직접적으로 복제하지 않더라도 내재된 정보를 기억(Memorisation)하고 있을 가능성이 제기됩니다.#Review#Rectified Flows#Membership Inference Attack#Generative Models#Interpolation Path#Memorisation#Deep Learning Security2026년 6월 8일댓글 수 로딩 중
[논문리뷰] LaRA: Layer-wise Representation Analysis for Detecting Data Contamination in RL Post-Training본 논문은 RL post-training 과정에서 발생하는 data contamination이 모델의 평가 신뢰성과 일반화 성능을 저해한다는 문제를 지적한다. 기존의 탐지 방식은 주로 token likelihood나 entropy 등 출력(Output-level) 신호에 의존해왔다.#Review#Data Contamination#Reinforcement Learning#Membership Inference Attack#Representation Geometry#Representation Dynamics#Model Interpretability2026년 5월 28일댓글 수 로딩 중
[논문리뷰] AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration본 논문은 기존 MIA가 의존하는 정적인 핸드크래프트 휴리스틱의 낮은 적응성과 확장성 문제를 해결하기 위해 에이전트 기반의 자동화된 공격 프레임워크를 제안합니다.#Review#Membership Inference Attack#Agentic Framework#Strategy Self-Exploration#Large Vision-Language Models#Privacy Auditing2026년 4월 2일댓글 수 로딩 중