データ窃取とは、AIモデルに対して入力を与え、出力結果（ラベルや信頼スコアなど）や勾配情報を観察・解析することで、学習データの一部を推論・再構成する攻撃手法です。 

特に、AIが機微情報（個人データや機密情報など）を含むデータで学習している場合、それらが外部から推測可能になり、情報漏えいにつながるリスクがあります。入力データが学習に使われたかを判定するメンバーシップ推論攻撃や、出力や勾配から学習データを再構成するモデル反転攻撃などが代表的です。 このような攻撃により、プライバシー侵害やセキュリティ事故が発生する可能性があるため、AIガバナンスの観点からも、出力の制御・アクセス制限・暗号化といった技術的・運用的対策が不可欠です。安全で信頼性のあるAIの社会実装を支えるうえで、データ窃取への対策は重要な要素です。