본 논문은 컴퓨터 비전 분야에서 딥러닝 모델의 적대적 공격 취약성을 해결하기 위해, 특히 모델 정보를 알 수 없는 블랙박스 환경에서 비디오 데이터의 다차원 구조를 고려한 새로운 적대적 공격 방법인 TenAd를 제안합니다. TenAd는 비디오를 4차 텐서로 표현하여 저랭크 공격을 활용함으로써, 기존 방법들보다 적은 쿼리 수로 효과적이고 감지하기 어려운 적대적 예시를 생성합니다. 실험 결과, TenAd는 기존 최첨단 방법들보다 높은 공격 성공률과 쿼리 효율성을 달성하며, 동시에 인지할 수 없는 적대적 섭동을 생성하는 것으로 나타났습니다. 이는 텐서 기반 방법이 비디오 모델에 대한 적대적 공격에 효과적임을 보여줍니다.
