본 논문은 저랭크 적응(LoRA)의 효율성에도 불구하고, 데이터 중독 및 백도어 공격에 대한 취약성이 충분히 연구되지 않았다는 점을 지적하며, LoRA의 보안 위험성을 이론적으로 연구합니다. LoRA의 훈련 역학을 모델링하고, 신경 탄젠트 커널을 이용하여 훈련 과정을 단순화하고, 정보 이론을 적용하여 LoRA의 저랭크 구조와 훈련 시 공격에 대한 취약성 사이의 관계를 규명하는 분석 프레임워크를 제시합니다. 분석 결과, LoRA는 백도어 공격에 대해 완전 미세 조정보다 더 나은 강건성을 보이는 반면, 단순화된 정보 기하학으로 인해 표적이 없는 데이터 중독에 더 취약해지는 것으로 나타났으며, 광범위한 실험적 평가를 통해 이론적 발견을 뒷받침했습니다.
