본 논문은 안전 및 보안에 중요한 응용 분야에서 인공지능의 의존도가 증가함에 따라 효과적인 신경망 인증의 필요성을 강조한다. 특히, 적대적 패치나 조명 조건으로 이미지의 일부가 가려지는 "패치 공격"에 대한 인증을 어려운 실제 사용 사례로 제시한다. 본 논문은 신경망의 특정 출력으로 이어지는 입력 집합인 원상(preimage)을 활용하는 인증 접근 방식에 초점을 맞추고, 기존 최첨단 알고리즘인 PREMAP의 확장성 문제를 해결하기 위해 더욱 정밀한 경계, 적응적 몬테카를로 샘플링, 개선된 분기 휴리스틱을 포함한 새로운 알고리즘 개선 사항을 제시한다. 강화 학습 제어 벤치마크에서 최소 10배 이상의 효율성 향상을 보여주며, 이전에는 불가능했던 합성곱 신경망으로의 확장 가능성을 입증한다. 결과적으로, 원상 근사 방법론의 신뢰성 및 강건성 인증에 대한 잠재력을 보여준다.
