S-GBT: 단어 대체 공격에 대한 인증된 강건성을 위한 부드러운 성장 경계 텐서

요약

본 논문은 단어 대체 공격에 취약한 NLP 모델의 강건성을 높이기 위해 Smooth Growth Bound Tensor (S-GBT)라는 2차 방어 기법을 제안합니다. S-GBT는 Hessian을 요소별로 경계지어 곡률 변화까지 고려하여, 기존 방법보다 더 타이트하고 인증된 강건성 경계를 제공합니다.

핵심 포인트

• 단순한 1차 민감도 측정 대신 곡률(curvature) 기반의 2차 방어를 도입함.
• S-GBT는 Hessian을 요소별로 경계지어 정교한 이론적 증명을 제시함.
• 학습 목표에 통합되는 정규화 항으로 인증된 강건성을 향상시킴.
• LSTM 및 CNN 아키텍처에 적용 가능하며, 최대 23.4%의 정확도 향상을 보임.