시맨틱 통신 (Semantic communication, SemCom)은 원시 데이터 (raw data)보다 작업 관련 정보의 전송을 우선시하여, 자원 및 채널 제약 조건 하에서 효율적이고 견고한 통신을 가능하게 하는 유망한 패러다임으로 부상했습니다. 본 논문에서는 중간 릴레이 노드가 학습된 잠재 표현 (latent representations) 상에서 직접 작동하는 릴레이 보조 SemCom 시스템의 개인정보 보호 함의를 연구합니다. 연구 결과, 릴레이는 소스 데이터에 접근할 수 없더라도 정당한 수신기와 유사한 성능으로 의미론적 의미를 신뢰성 있게 추론하고 신호를 재구성할 수 있음을 보여주며, 이는 시맨틱 표현 (semantic representations)의 근본적인 개인정보 취약성을 드러냅니다. 이 문제를 해결하기 위해, 릴레이에서의 강력하고 적응적으로 학습된 도청자를 명시적으로 고려하는 반복적 적대적 학습 (iterative adversarial training) 프레임워크를 제안합니다. 제안된 접근 방식은 릴레이의 도청 기능과 정당한 시스템을 최적화하는 과정을 교대로 수행하며, 이를 통해 의도된 수신자에서의 시맨틱 디코딩 성능은 보존하면서 릴레이에서의 시맨틱 추론은 저하시키는 표현을 생성합니다. 정당한 수신기와 도청자 사이의 시맨틱 정확도 격차는 채널 조건 전반에 걸쳐 크게 확대됩니다. 중요한 점은, 이러한 보호가 시맨틱 누출 (semantic leakage)은 선택적으로 억제하면서도 높은 재구성 충실도 (reconstruction fidelity)를 유지하는 은밀한 방식으로 달성된다는 것입니다.