CPA는 LLM 기반 재식별 공격에 대한 통계적 위험 인증을 제공하는 무배포가정 캘리브레이션 프레임워크다. 각 공개 문서에 대해 사용자가 지정한 신뢰도로 실제 신원을 포함하도록 보장되는 '적합성 모호집합'을 산출하고, 집합 크기에서 유출 위험 지표를 도출한다. 로짓 접근 공격자와 샘플링만 가능한 공격자 모두를 지원해 오픈소스 모델과 API 전용 모델을 동일한 틀에서 감사할 수 있다. 여러 공개 벤치마크에서 CPA는 보정된 커버리지를 달성했고, 보조 지식·LLM 활용·공개 방식에 따라 인증된 식별 가능성이 급격히 달라짐을 보였다. 텍스트 공개 전 재식별 위험을 정량적으로 비교할 근거를 제공한다는 점에서 프라이버시 감사 실무에 실질적 도움이 될 것으로 보인다.

• •CPA는 분포에 대한 가정 없이 문서별 재식별 위험에 통계적 인증서를 부여한다
• •사용자 지정 신뢰수준에서 실제 신원을 포함하도록 보장하는 모호집합을 산출해 위험을 정량화한다
• •로짓 접근 공격자와 샘플링 전용 공격자를 모두 다뤄 오픈소스·API 모델을 통일된 틀로 감사한다
• •여러 벤치마크에서 보조 지식, LLM 활용도, 공개 방식에 따라 인증된 식별 가능성이 크게 달라짐을 확인했다