연구진이 블랙박스 환경에서 점수 기반 적대적 예제 공격에 대응하는 방어 기법 '랜덤 로짓 스케일링(RLS)'을 제안했어요. RLS는 기존 ML 모델에 쉽게 적용할 수 있으며, 모델 정확도를 유지하면서 공격을 혼란시키는 가짜 점수를 출력해요.
RLS는 최첨단 블랙박스 공격 성공률을 크게 낮추면서, 기존 난수 기반 방어보다 정확도 유지 및 신뢰도 왜곡을 최소화하는 효과를 보여요.
연구진은 또한, 적대적 공격에 취약한 'AAA' 방어 기법을 분석하여 적응형 공격에 대한 취약점을 입증했어요.