생성형 AI(GenAI)는 실험적 기술에서 현대 소프트웨어 시스템의 핵심 구성요소로 빠르게 자리잡았지만, 채택이 늘면서 민감한 개인정보 보호가 점점 어려워지고 있다. GenAI 시스템은 기존 프라이버시 위협을 증폭시킬 뿐 아니라 무해해 보이는 입력에서 상세한 사용자 프로필을 구성하는 등 새로운 추론 기반 위험도 만들어낸다. 이 포지션 논문은 GenAI 프라이버시 엔지니어링의 핵심 난제가 위협이나 완화 기법에 대한 지식 부족이 아니라 둘 사이를 잇는 '다리'의 부재라고 주장하며, 이를 세밀한 위협-완화 매핑 부재, GenAI 맥락에서 적용 불가능한 솔루션 공간의 가정, GenAI 제약 하의 우선순위 결정 어려움이라는 세 하위 문제로 분해한다. 저자들은 향후 완화 기법 선정 접근법을 위한 네 가지 권고안을 도출하고, 기존 위협-완화 매핑 방법을 GenAI 고유 위협 특성으로 확장하는 방안과 함께 GenAI 시스템의 체계적 프라이버시 완화 선정을 위한 연구 의제를 제안한다.

• •GenAI 프라이버시 엔지니어링의 핵심 문제는 지식 부족이 아니라 위협과 완화 기법을 있는 매핑의 부재라고 주장한다
• •무해해 보이는 입력에서 상세 사용자 프로필을 구성하는 등 GenAI 특유의 새로운 추론 기반 위험을 지적한다
• •세밀한 매핑 부재, 부적합한 솔루션 가정, 우선순위 결정 어려움이라는 세 하위 문제로 격차를 분해했다
• •향후 완화 기법 선정을 위한 네 가지 권고안과 체계적 연구 의제를 제안했다