본 논문은 대규모 언어 모델(LLM)의 윤리적 문제점 중 하나인 '탈옥 공격'에 효과적으로 대응하는 새로운 방법인 MIST(Iterative Semantic Tuning)를 제안합니다. MIST는 블랙박스 LLM에 대한 제한된 접근성과 쿼리 제한이라는 어려움에도 불구하고, 반복적인 의미 조정을 통해 유해한 응답을 유도하는 프롬프트를 정제합니다. 이를 위해 순차적 동의어 탐색 및 순서 결정 최적화라는 두 가지 전략을 활용하여 의미적 유사성과 계산 효율성을 균형 있게 고려합니다. 실험 결과, MIST는 기존의 탈옥 공격 방법들에 비해 높은 성공률, 낮은 쿼리 수, 그리고 우수한 전이성을 보여주는 것으로 나타났습니다.
