Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SecInfer: Preventing Prompt Injection via Inference-time Scaling

Created by
  • Haebom

저자

Yupei Liu, Yanting Wang, Yuqi Jia, Jinyuan Jia, Neil Zhenqiang Gong

개요

SecInfer는 추론 시 컴퓨팅 자원을 더 할당하여 LLM의 성능을 향상시키는 새로운 패러다임인 \emph{추론 시간 스케일링}을 기반으로 구축된 프롬프트 주입 공격 방어 시스템입니다. SecInfer는 system-prompt-guided sampling을 통해 다양한 시스템 프롬프트를 사용하여 주어진 입력에 대한 여러 응답을 생성하고, target-task-guided aggregation을 통해 의도된 작업을 가장 잘 수행할 가능성이 높은 응답을 선택하는 두 가지 주요 단계로 구성됩니다. 광범위한 실험을 통해 SecInfer는 추론 시 추가적인 컴퓨팅을 활용하여 기존 및 적응형 프롬프트 주입 공격을 효과적으로 완화하며, 최첨단 방어 시스템 및 기존 추론 시간 스케일링 접근 방식을 능가함을 입증했습니다.

시사점, 한계점

시사점:
추론 시 컴퓨팅 자원을 활용하는 새로운 방어 방식 제시.
기존 및 적응형 프롬프트 주입 공격에 대한 효과적인 방어력 입증.
최첨단 방어 시스템 및 기존 추론 시간 스케일링 접근 방식보다 우수한 성능.
한계점:
구체적인 한계점은 논문 요약 내용에 명시되지 않음. (논문 원문을 확인 필요)
추론 시 추가적인 컴퓨팅 자원 요구. (계산 비용 증가 가능성)
👍