이 논문은 생성형 OCR 비전-언어모델인 Deep-OCR(DeepSeek-OCR)을 대상으로 한 최초의 순수 블랙박스 적대적 공격을 제시한다. 그래디언트나 로짓 등 모델 내부 정보 없이 디코딩된 문자열만 조회 가능한 조건에서, 시퀀스 유사도로 정의한 스칼라 손실을 최소화하는 제로차 최적화 문제로 공격을 재구성하고, 이미지 차원과 무관한 쿼리 비용을 갖는 무작위 방향 유한차분법으로 그래디언트를 추정했다. Adam 업데이트와 ℓ∞ 투영을 적용해 눈에 띄지 않는 미세 섭동만으로 반복 출력, 절단, 프롬프트 유출 등 심각한 디코더 오류를 유발할 수 있음을 예비 실험으로 검증했다. 다만 목표 지향적(targeted) 재작성 공격은 목표 없는 성능 저하 공격보다 훨씬 어려워, 관련 성공 여부는 사전 등록된 평가가 끝날 때까지 단정하지 않는다고 밝혔다.

• •생성형 OCR VLM Deep-OCR을 대상으로 한 최초의 순수 블랙박스 적대적 공격 제시
• •문자열 출력만 조회 가능한 상황을 제로차 최적화 문제로 재구성, 이미지 크기와 무관한 쿼리 비용으로 그래디언트 추정
• •이미지를 거의 변형시키지 않고도 반복, 절단, 프롬프트 유출 등 심각한 디코더 오류 유발
• •목표 지향적 재작성 공격은 비목표 성능 저하보다 난이도가 높아 성공 단정을 유보