本記事では、AIに基づく意思決定プロセスにおけるプライバシー漏洩のリスクを扱います。特に、センシティブな情報が推測される場合の危険性が強調されています。著者らは、帰納的説明を用いてプライバシー漏洩を監査するための公式フレームワークを提案し、モデル決定を正当化する最小限の証拠を特定し、機密情報が開示されたかどうかを判断します。このフレームワークは、個別およびシステムレベルでの漏洩を体系化し、センシティブな特徴を持つ個人の成果を保護できる潜在的適用説明（PAE）の概念を導入します。実験評価では、ドイツの信用データセットを使用して、モデル決定プロセスにおけるセンシティブなリテラルの重要性がプライバシー漏洩に与える影響が示されています。計算上の課題と単純化された仮定にもかかわらず、この研究は帰納的推論が解釈可能なプライバシー監査を可能にし、AIによる意思決定における透明性、モデルの解釈可能性、プライバシー保護を調和させるための実用的な道筋を提供することを示しています。