본 논문은 신경망의 압축성(neuron-level sparsity, spectral compressibility 등)과 적대적 공격에 대한 강건성 간의 상호작용에 대한 이론적 분석 및 실험적 검증을 제시합니다. 압축된 신경망은 표현 공간에 소수의 고민감도 방향을 유도하며, 이는 적대적 공격자가 효과적인 방해를 생성하는 데 악용될 수 있음을 밝힙니다. 이를 통해 $L_\infty$ 및 $L_2$ 강건성에 대한 간단하면서도 유익한 경계를 제시하고, 압축 방법(규제, 구조적 편향, 암묵적 학습 역학 등)과 관계없이 취약성이 발생함을 보여줍니다. 합성 및 실제 작업에 대한 실험적 평가를 통해 이론적 예측을 확인하고, 적대적 훈련 및 전이 학습에서도 이러한 취약성이 지속되며, 보편적인 적대적 방해의 출현에 기여함을 보여줍니다. 결론적으로, 구조적 압축성과 강건성 사이의 근본적인 긴장 관계를 밝히고, 효율적이고 안전한 모델 설계를 위한 새로운 방향을 제시합니다.
