딥 뉴럴 네트워크 및 인공지능에 대한 설명 가능성 무기화 적대적 공격 벡터에 관한 조사 프리프린트

적대적 머신 러닝은 딥 뉴럴 네트워크의 취약성을 드러냈으며, 설명 가능한 인공지능이 AI의 투명성과 신뢰성을 향상시키기 위해 도입되었습니다. 그러나 최근 xAI가 무기화될 수 있음이 밝혀져 적대자들이 적대적 공격의 효과성과 효율성을 증대시킬 수 있게 되었습니다. 이 논문은 xAI-무기화 적대적 공격에 전념하는 첫 번째 체계적인 조사를 제시합니다. 문헌은 회피, 오염/백도어, 프라이버시/추론, 모델 추출이라는 네 가지 적대적 목표에 걸쳐 종합됩니다. 공격 벡터를 적대적 목표, xAI의 운영 역할, 공격자의 능력에 따라 조직하는 통합 분류법이 제안됩니다. 서지 방법론은 PRISMA 지침을 따르며, IEEE Xplore, ACM Digital Library, SpringerLink, ScienceDirect 및 Google Scholar에 대한 구조화된 쿼리를 적용하고 눈덩이 효과로 보완됩니다. 날짜 범위는 2020-2025로 설정되었습니다. 결과는 현재 문헌에서 회피 공격이 지배적이며, 오염 및 추출 공격은 비교적 탐구되지 않았음을 나타냅니다. 열린 도전 과제와 연구 방향이 식별됩니다. 이 조사는 xAI를 순수한 진단 도구에서 보안 중요 인터페이스로 재구성하고, 원칙적인 방어의 기초를 제공합니다. --- 면책 조항: 이는 기사의 프리프린트 버전입니다. 여기의 내용은 보기 전용입니다. 이는 최종 발표된 버전이 아니며 기록 버전과 다를 수 있습니다. 인용 및 권위 있는 사용을 위해 공식 버전을 참조하시기 바랍니다.