Diffusion Large Language Models (dLLMs)의 안전성 연구를 최초로 수행하고, dLLMs의 독특한 생성 특성에 맞춰진 새로운 안전성 정렬 방법인 Middle-tOken Safety Alignment (MOSA)를 제안합니다. dLLMs의 안전성에서 중요한 비대칭성을 발견하여, 중간 토큰이 전체 안전성에 더 중요하며, 공격자가 중간 토큰을 조작하는 데 어려움이 있다는 점을 밝힙니다. MOSA는 강화 학습을 사용하여 모델의 중간 생성을 안전한 거절로 직접 정렬합니다. MOSA의 성능을 다양한 공격 방법 및 벤치마크를 통해 평가하고, 코딩, 수학 및 일반 추론 작업에서의 유용성을 테스트하여 MOSA의 우수성을 입증합니다.
