본 논문은 기계 학습 모델에 대한 신뢰도 향상을 위해 사용되는 설명 가능성(explainability) 방법들이 상반된 이해관계를 가진 당사자들이 존재하는 적대적 환경에서는 조작될 가능성이 높아 제대로 기능하지 못한다는 문제를 다룹니다. 이를 해결하기 위해, 암호화 기술인 Zero-Knowledge Proofs (ZKPs)를 활용하여 인기 있는 설명 가능성 알고리즘인 LIME을 ZKP에 적합한 버전으로 변형하고, 신경망과 랜덤 포레스트 모델에서 성능을 평가합니다. GitHub에 공개된 코드를 통해 재현성을 확보합니다.
