PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.24411v1cs.CR

Occluded Oculus: 문체적 은폐의 운영화

Occluded Oculus: Operationalizing Stylistic Obscurement

올림피아 신들의 경건한 전령 헤르메스(Hermes)가 그리스 신화의 다눈 거인 아르고스 파놉테스(Argus Panoptes)를 쓰러뜨리려면 무엇이 필요했을까? 완벽한 수호자인 파놉테스의 끊임없이 감시하는 눈의 군단은 물론 쓰러뜨리기 어려웠지만, 불가능하지는 않았다. 헤르메스 전략의 핵심은 난독화(obfuscation)와 사보타주(sabotage)였다. 목동으로 위장한 헤르메스는, 그렇지 않았다면 무시무시한 거인에게 헤르메스의 음모를 알렸을 파놉테스의 각 눈을 봉인하고 그를 제압했다. 이 이야기의 교훈은 다음과 같다. 도전자가 위대하고 훨씬 더 잘 갖춰진 강력한 적을 넘어서야 할 때, 교묘한 책략은 단순히 권장될 수준을 넘어 승리에 필수적이다. 본 연구에서 "도전자"는 적대적 전술을 활용하는 집단이며, "다눈 거인"은 문체측정(stylometric) 시스템과 감시 체계를 가리킨다. 다눈 거인이 빼앗아 간 프라이버시를 되찾으려면, 도전자는 공격 계획인 $\textit{TraceTarnish}$를 신중히 평가하고, 텍스트의 저자 익명화에 무엇이 효과적이고 무엇이 그렇지 않은지 판단해야 한다. 이를 위해 우리는 $\textit{TraceTarnish}$의 절제 연구(ablation study)를 수행하여 Translation, Obfuscation, Imitation, Injection 중 어떤 모듈이 문체측정 시스템을 가장 효과적으로 혼란시키는지 더 잘 이해하고자 했다. 결과에 따르면 가장 효과적인 접근법은 Injection이었으며, 이는 제로 너비 유니코드 문자, 동형이의어(homoglyph), 의도적 오철자 삽입이 지칠 줄 모르는 눈들을 충분히 무력화하여 전지전능한 거인의 머리를 차지할 시간을 벌어준다는 것을 의미한다.

arXiv:2601.22710v2cs.CR

AlienLM: Alienization of Language for API-Boundary Privacy in Black-Box LLMs

블랙박스 API를 통해 대규모 언어 모델(LLM)을 사용할 때 민감한 프롬프트가 외부 서버에 그대로 노출되는 문제를 해결하기 위해, AlienLM은 어휘 수준의 전단사 함수(bijection)로 텍스트를 "외계어(Alien Language)"로 변환한 뒤 API-only 파인튜닝(Alien Adaptation Training, AAT)으로 모델을 적응시키는 노출 저감 레이어를 제안한다. 4개의 LLM 백본과 7개의 벤치마크에서 평균 81% 이상의 원문 성능을 유지하면서, 모델 가중치·코퍼스 통계·역번역 기반 복원 공격에서도 토큰 복원율을 0.22% 미만으로 억제함을 실증하였다.