본 논문은 알려지지 않고 변화하는 적대적 방해가 존재하는 상황에서의 가우시안 프로세스(GP) 최적화 문제를 다룹니다. 최악의 시나리오에서 성능을 극대화하는 기존의 강건한 최적화 접근 방식과 달리, 적대적 조건 하에서도 미리 정의된 성능 임계값 τ를 지속적으로 달성하는 것을 목표로 하는 강건한 만족 목표를 고려합니다. 본 논문에서는 강건한 만족 목표의 서로 다른 공식을 기반으로 두 가지 새로운 알고리즘을 제안하고, 이들이 일반적인 강건한 만족 프레임워크의 인스턴스임을 보여줍니다. 또한 각 알고리즘은 적대자의 특성에 따라 다른 보장을 제공합니다. 구체적으로, 두 가지 후회 경계를 유도합니다. 하나는 적대자와 만족 임계값 τ에 대한 특정 조건을 가정할 때 시간에 따라 점근적으로 감소하는 것이고, 다른 하나는 방해의 크기에 비례하지만 적대자에 대한 가정이 필요하지 않습니다. 광범위한 실험을 통해 제안된 접근 방식이 기존의 강건한 최적화 방법보다 만족 목표를 달성하는 데 우수함을 보여주며, 특히 강건한 최적화 프레임워크의 모호성 집합이 부정확하게 지정된 경우에 그 효과가 더욱 두드러짐을 확인했습니다.
