본 논문은 유전체 기반 모델(GFMs)의 적대적 강건성에 대한 연구를 제시합니다. 기존의 GFMs (예: ESM)은 변이 효과 예측에서 성공을 거두었지만, 적대적 공격에 대한 취약성은 거의 연구되지 않았습니다. 이에 본 연구는 SafeGenes 프레임워크를 제안하여, 엔지니어링된 유사 적대적 유전자와 임베딩 공간 조작을 이용한 적대적 공격을 통해 GFMs의 강건성을 평가합니다. Fast Gradient Sign Method (FGSM)와 소프트 프롬프트 공격 두 가지 방법을 사용하여 ESM1b와 ESM1v와 같은 대규모 모델에서도 적대적 취약성을 평가하고, 특히 소프트 프롬프트 공격이 성능 저하를 크게 유발함을 보여줍니다. 이는 고위험 유전체 응용 분야에서 GFMs의 보안 및 강건성 향상을 위한 새로운 연구 방향을 제시합니다.
