본 논문은 대규모 언어 모델(LLM)의 윤리적 문제점 중 하나인 '탈옥 공격'(jailbreak attack)에 효과적으로 대응하는 새로운 방법인 MIST(Iterative Semantic Tuning)를 제안합니다. MIST는 블랙박스 LLM에 대한 제한된 접근성과 쿼리 제한이라는 어려움을 극복하기 위해 반복적인 의미 조정을 통해 유해한 응답을 유도하는 프롬프트를 정교화합니다. 이를 위해 순차적 동의어 탐색 및 순서 결정 최적화 전략을 활용하여 의미 유사성과 계산 효율성을 균형 있게 고려합니다. 실험 결과, MIST는 기존의 탈옥 방법들과 비교하여 높은 공격 성공률, 낮은 쿼리 수, 그리고 우수한 전이성을 보였으며, 계산 효율성 측면에서도 실용성을 입증했습니다.
