# Efficient Preimage Approximation for Neural Network Certification

### 저자

Anton Bjorklund, Mykola Zaitsev, Paolo Morettin, Marta Kwiatkowska

### 💡 개요

본 논문은 안전 및 보안이 중요한 응용 분야에서 신경망의 신뢰성을 보장하기 위한 인증 방법론으로, 입력의 사전 이미지를 효율적으로 근사하는 PREMAP2를 제안한다. PREMAP2는 개선된 분기 휴리스틱, 적응형 몬테카를로 샘플링, 역방향 바운드 전파 등의 알고리즘 확장을 통해 기존 방법론의 확장성과 효율성 한계를 극복한다. 이를 통해 CNN 기반 이미지 패치 공격과 같은 현실적인 시나리오를 포함하여 이전에는 적용하기 어려웠던 복잡한 문제에도 적용 가능하게 되었다.

### 🔑 시사점 및 한계

- 제안된 PREMAP2는 복잡한 신경망 구조와 현실적인 공격 시나리오에 대한 사전 이미지 근사를 가능하게 하여 신경망 인증의 적용 범위를 크게 확장한다.

- 역방향 바운드 전파, 적응형 몬테카를로 샘플링 등의 고급 기술을 통해 기존 방법 대비 효율성과 확장성을 획기적으로 개선하였다.

- 다양한 분야(컴퓨터 비전, 제어)에서 신뢰성, 강건성, 해석 가능성, 공정성 등 다양한 속성을 인증하는 데 효과적임을 입증하였으며, 오픈소스 구현으로 접근성을 높였다.

- 더 복잡하거나 대규모의 신경망 모델, 혹은 매우 엄격한 인증 요구 사항을 충족하기 위해서는 추가적인 최적화 및 알고리즘 개선이 필요할 수 있다.

[PDF 보기](https://arxiv.org/pdf/2505.22798)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).