본 논문은 CLIP과 같은 비전-언어 기반 모델의 우수한 전이 학습 능력을 활용하여, 다양한 하위 작업 및 도메인에 적용 가능한 적대적 예제를 생성하는 새로운 방법인 PDCL-Attack을 제안합니다. 기존의 생성 모델 기반 공격 프레임워크에, 정답 클래스 레이블의 의미론적 표현력을 활용한 프롬프트 기반 특징 유도를 통합하여 적대적 섭동의 전이성을 향상시킵니다. 다양한 교차 도메인 및 교차 모델 환경에서의 실험을 통해 기존 최고 성능 방법보다 우수함을 실증적으로 검증합니다. 특히, 프롬프트 학습을 전이 가능한 생성적 공격에 도입한 최초의 연구라고 주장합니다.
