자기지도 화음 모델 (S3Ms) 은 강력한 다운스트림 성능을 달성하지만, 자연적 및 적대적 교란 하에 학습된 표현은 여전히 잘 이해되지 않고 있습니다. 기존 연구는 표현 유사성이나 전역 차원성을 기반으로 하여 지역적인 기하학적 변화에 대한 제한된 통찰력을 제공합니다. 우리는 다음과 같은 질문을 제기합니다: 교란이 지역적인 기하학을 어떻게 변형시키며, 이러한 이동이 다운스트림 자동 화음 인식 (ASR) 열화를 추적하는가? 이를 해결하기 위해, 우리는 WavLM 과 wav2vec 2.0 의 층별 표현에 걸쳐 Local Intrinsic Dimensionality (LID) 를 사용하는 GRIDS 프레임워크를 제시합니다. 우리는 LID 가 모든 저 신호 대 잡음비 (SNR) 교란을 위해 증가하며 고 SNR 에서 발산함을 발견했습니다: 유해한 잡음은 클린 프로파일에 수렴하지만, 적대적 입력은 초기 층의 LID 상승을 유지합니다. 우리는 LID 상승이 WER 증가와 동반되며, 층별 LID 특징이 이상 탐지 (AUROC 0.78-1.00) 를 가능하게 함을 보여주며, 이는 S3Ms 에서 트랜스크립트 없는 모니터링에 문을 엽니다.