방법
- Tabs: 1 Memorization · 2 Membership Inference · 3 Differential Privacy · 4 Data & Model Licenses
- 문자 n-gram: 문맥 2–8, 0.1 가산 평활, 카나리아 1·5·20회, 후보 1,000개.
- Membership: 학습 160행과 미사용 160행, 8→32→1 MLP, 10–600 epochs, L2=0, 음의 제곱 손실 AUC.
- Laplace: 개수 또는 100개 고정 슬롯 평균, 강도 0–100 MPa 절단, Δ=1, ε 0.1–5, 공개 1–20회.
- 라이선스 규칙: CC 4.0 네 종류, MIT, Apache 2.0, 수작업 규칙. 구성요소와 결합 방식을 별도로 판단.
- 학습 여부: 브라우저에서 직접 학습. 사전 학습 가중치 없음.
- 소프트웨어: 자체 JavaScript v1.0, KaTeX 0.16.11(MIT, 수식 표시만).
- 본문 작성 보조: OpenAI Codex. 본문은 고정 텍스트이며 실행 중 LLM 호출은 없다.
- 수식 표시 파일·woff2 글꼴은 폴더에 포함한다. 실행 중 외부 리소스를 요청하지 않는다.
데이터
- 원본 데이터의 출력값은 실제 관측값이며 모델 예측은 브라우저에서 새로 계산한다.
- 분할: 시드 고정 60% 학습·20% 보정·20% 평가. 표준화는 학습 데이터에만 맞춘다.
- 사용자 입력 저장: 없음. 표시 설정만 기기에 저장한다.
- Concrete Compressive Strength: 1,030행 전체, Yeh (1998), UCI, CC BY 4.0. XLS를 수치 JSON으로 변환했다.
- 법령 제3조 2개 항은 문자 자료로 발췌, 저작권법 제7조 제1호 근거. 카나리아와 경쟁 코드는 인공 합성이다.
- 원본의 완전 중복 25행을 유지했다. 성능 수치는 무작위 행 분할 기준이며 새 배합군에 대한 검증이 아니다.
검증
- 100 epochs: 학습 RMSE 3.6739 MPa, 미사용 RMSE 7.1464 MPa, 손실 공격 AUC 0.6693.
- AUC 완전·역순·동점 예, Laplace 50,000개 평균·절대 오차, 라이선스 NC 충돌 경로 검사 통과.
범위
- 매개변수 범위는 각 체험 입력에 표시하며 교육용으로 정한 값이다.
출처
- Carlini et al. (2019). The Secret Sharer: Evaluating and Testing Unintended Memorization in Neural Networks.
- 산업안전보건기준에 관한 규칙 제3조 · 국가법령정보센터
- 저작권법 제7조 · 국가법령정보센터
- Shokri et al. (2017). Membership Inference Attacks against Machine Learning Models.
- Yeh (1998). Concrete Compressive Strength. UCI Machine Learning Repository. CC BY 4.0.
- Dwork & Roth (2014). The Algorithmic Foundations of Differential Privacy.
- Creative Commons Attribution 4.0 International.
- Creative Commons Attribution-ShareAlike 4.0 International.
- Creative Commons Attribution-NonCommercial 4.0 International.
- Creative Commons Attribution-NoDerivatives 4.0 International.
- Open Source Initiative. The MIT License.
- Apache Software Foundation. Apache License 2.0.
이력
- 2026-10-27 · v1.0 · 공개