본 논문은 기초 모델의 적대적 입력 취약성을 해결하기 위해 제안된 확산 디노이징 스무딩(Diffusion Denoised Smoothing) 기법의 효과를 다양한 데이터셋과 하류 작업, 적대적 공격 알고리즘 하에서 분석합니다. 분석 결과, 고잡음 확산 디노이징은 성능 저하를 야기하며, 저잡음 설정은 적절한 방어를 제공하지 못하는 것으로 나타났습니다. 또한, 저잡음 환경에서 방어를 우회할 수 있는 새로운 공격 전략을 제시합니다. 결론적으로, 적대적 강건성과 성능 사이의 절충점을 찾는 것이 여전히 과제임을 시사합니다.
