본 논문은 신경망(NN)을 활용한 생존 분석(SA) 모델의 성능 향상을 위해 적대적 강건성(adversarial robustness)을 도입하는 방법을 제시합니다. 기존의 일반화 선형 모델이 복잡한 데이터 패턴을 제대로 포착하지 못하는 한계를 극복하고자 신경망을 활용하지만, 데이터의 불확실성으로 인한 성능 저하 문제를 해결하기 위해 적대적 정규화 기반 손실 함수를 제안합니다. CROWN-IBP 기법을 활용하여 Min-Max 최적화 문제의 계산 비용을 줄이고, 10개의 SurvSet 데이터셋을 이용한 실험 결과, 제안된 방법(SAWAR)이 기존의 적대적 학습 방법 및 최첨단 심층 SA 모델들을 NegLL, IBS, CI 지표에서 모두 능가하며, 기준 모델 대비 최대 150%까지 성능 향상을 보임을 확인했습니다. 이는 데이터 불확실성을 완화하고 다양한 데이터셋에서 일반화 성능을 향상시킴을 의미합니다.
