안전 필수 애플리케이션에서 인공지능 시스템 배포의 핵심 요구 사항으로 신뢰성이 대두되고 있습니다. 본 논문은 주관 논리(SL)를 사용하여 신경망의 신뢰성을 모델링하고 전파하는 프레임워크인 PaTAS(Parallel Trust Assessment System)를 소개합니다. PaTAS는 Trust Node와 Trust Function을 통해 표준 신경 계산과 병렬로 작동하여 입력, 매개변수 및 활성화 신뢰도를 네트워크 전체에 전파합니다. 또한 훈련 중 매개변수 신뢰도를 개선하기 위한 매개변수 신뢰도 업데이트 메커니즘과 추론 시 인스턴스별 신뢰도를 계산하기 위한 IPTA(Inference-Path Trust Assessment) 방식을 정의합니다. 실제 및 적대적 데이터 세트에 대한 실험을 통해 PaTAS는 정확도를 보완하고, 독성, 편향 또는 불확실한 데이터 시나리오에서 신뢰도 격차를 드러내는 해석 가능하고 대칭적이며 수렴하는 신뢰도 추정치를 생성함을 입증했습니다.