본 논문은 심층 학습 모델의 백도어 공격에 대한 새로운 방어 기법인 Prototype Guided Backdoor Defense (PGBD)를 제안한다. 백도어 공격은 훈련 데이터의 일부를 악의적으로 변조하여 특정 트리거에 대해 오분류를 유발하는 공격으로, 최근 생성형 AI의 발전으로 다양한 변형된 데이터 생성이 용이해졌다. PGBD는 다양한 유형의 트리거, 특히 기존 방어 기법으로 해결되지 않았던 의미론적 트리거에 대해서도 효과적인 사후 방어 기법이다. 활성화의 기하 공간에서의 변위를 이용하여 트리거 방향으로의 이동을 제한하는 새로운 정화 손실 함수를 사후 미세 조정 단계에 적용함으로써 강건성을 확보한다. 실험 결과, PGBD는 기존 방어 기법보다 우수한 성능을 보이며, 특히 유명인 얼굴 이미지에 대한 새로운 의미론적 공격에 대한 최초의 방어 기법을 제시한다.
