guzonghua/awesome-latency-attacks딥러닝 지연, 에너지-지연 및 타이밍(가용성) 공격과 방어에 대한 선별된 색인 — ACM Computing Surveys 제출 논문의 부속 자료.
이 저장소는 논문 *“Deep Learning Latency Attacks and Defenses: A Cross-Domain Survey”*의 부속 자료로 유지되고 있습니다. 배포된 AI 시스템에서의 지연 시간 지향 가용성 위협에 관한 논문, 코드 링크, 분류 체계 노트, 그림을 색인합니다.
이 목록은 모델 예측만을 변경하는 공격이 아니라, 추론 시점 또는 시스템 수준 비용 — 지연 시간, 에너지, 처리량 압박, 데드라인 미스 — 에 영향을 미치는 공격과 방어에 초점을 맞춥니다. 현재 110편의 연구 (추론 단계 공격 71편, 학습 단계 공격 13편, 방어 26편)를 포함합니다.
**GitHub Pages의 인터랙티브 표**에서 카탈로그를 검색하고 필터링할 수 있습니다.
Figure 1. 서베이 구조 개요.
Figure 2. 시스템 수준 가용성 위협으로서의 지연 시간 공격.
지연 시간 공격은 가용성 공격입니다. 예측을 오염시키는 대신, 공격자는 모델의 추론 시점 연산, 에너지, 또는 실시간 지연 시간을 부풀려서 실시간 소비자(차량 제어기, 인터랙티브 서비스, 배터리 구동 센서)가 데드라인을 놓치거나 자원을 소진하게 만듭니다 — 종종 예측 자체는 명목상 올바른 상태로 유지되면서 말입니다. 이는 배포된 AI 시스템, 공격이 악용하는 병목, 중간 작업 증폭, 시스템 수준 실패, 방어 제어 지점을 연결합니다.
모든 공격 계열은 우리가 **중간 작업 증폭(intermediate-work amplification)**이라고 부르는 하나의 메커니즘을 공유합니다. 공격자는 일부 하위 단계(NMS, self-attention, 자기회귀 디코딩, 전문가 라우팅)가 정상 입력이 생성할 것보다 더 많은 중간 객체, 토큰, 또는 단계를 처리하도록 강제합니다. 이러한 단계는 초선형 최악의 경우 복잡도를 가지므로, 개수의 완만한 증가가 불균형적인 비용 증가를 낳습니다. 자연스러운 교차 도메인 방어는 작업 예산(work budget) — 단위 시간당 중간 객체/토큰에 대한 강제 상한 — 입니다.
