다층 퍼셉트론(MLP)의 예측이 유지되는 입력 범위와 예측이 반드시 바뀌는 바깥 경계를 함께 계산하는 구간 인증 연구가 나왔다. FORTH와 크레타대학교, ICREA, 레이다대학교 연구진은 입력점을 포함하는 축 정렬 초직사각형을 격자로 보고 탐색하는 ParallelepipedoNN을 제안했다. 논문은 2026년 4월 arXiv에 올라온 프리프린트다.
건전 인증은 구간 안에서 입력을 바꿔도 분류가 유지됨을 보장한다. 완전 인증은 구간 밖으로 나가면 분류가 바뀜을 보장한다. 연구진은 Marabou 기반 검증 오라클과 정제·검증 반복을 사용해 건전 구간의 최대성과 완전 구간의 최소성을 다뤘다. 최소 완전 인증은 다항식 수의 오라클 호출로 계산할 수 있지만 최대 건전 인증은 NP-hard하다는 비대칭도 제시했다.
경험 평가는 MNIST와 Fashion-MNIST에서 각각 50장, 모두 100장을 사용했다. 두 MLP는 784-32-10-10 구조와 25,450개 학습 파라미터를 가졌고 테스트 정확도는 각각 94%와 82%였다. 일반 구간 알고리즘의 제한 시간은 1시간, TDS+SDE는 2시간이었으며 최대 반복 횟수는 1만 회였다.
| 데이터셋 | 대칭 구간 알고리즘 | 평균 시간 | 검증 호출 | 타임아웃 |
|---|---|---|---|---|
| MNIST | B-BUS / B-TDS | 3.92초 / 21.06초 | 각 4회 | 0 |
| Fashion-MNIST | B-BUS / B-TDS | 3.50초 / 5.15초 | 각 4회 | 0 |
대칭 구간 B-BUS는 MNIST에서 평균 3.92초, Fashion-MNIST에서 3.50초였고 B-TDS는 각각 21.06초와 5.15초였다. 일반 구간 알고리즘보다 훨씬 빨랐지만 탐색 공간을 무한 노름 구로 제한한 결과다. 일반 구간 BUS는 MNIST에서 평균 38.54분, Fashion-MNIST에서 22.92분이 걸렸다. 속도 차이를 모든 인증 형태의 개선으로 해석할 수 없고, 표의 최소 변 길이와 타임아웃도 알고리즘 목표에 따라 함께 봐야 한다.
실험은 작은 MLP 두 개와 회색조 28×28 이미지 100장에 한정됐고 논문은 동료검토 전이다. CNN, 트랜스포머, 고해상도 입력과 현실적 공격 분포에서 같은 계산 비용과 보장이 유지되는지는 확인되지 않았다. 형식적 보장의 범위는 사용한 검증기, 축 정렬 구간, 수치 정밀도 가정에 묶인다.
저작권자 © STORIUM 무단전재 및 재배포 금지
