이 논문은 Ollama 등으로 로컬 배포된 LLM에 적용되는 탈옥(jailbreak) 방어 6종—SmoothLLM, Erase-and-Check, Sequential Monitors(이론적 보장 방식)와 Semantic Smoothing, Self-Denoised Smoothing, Perplexity Filtering(경험적 탐지 방식)—을 감사했다. 단순히 방어가 실패한다고 관찰하는 데 그치지 않고, 각 방어가 의존하는 핵심 가정을 추출한 뒤 그 가정이 깨질 때 나타날 경험적 패턴을 예측하고, 14B~35B 파라미터 규모의 오픈웨이트 모델 6종과 40여 개 공개 출처에서 수집한 탈옥 프롬프트 100개, 총 13,800건의 평가 기록으로 이 예측을 검증했다. 이를 통해 각 방어의 실패가 특정 설계 가정의 위반에서 기인함을 구조적으로 규명했다. 로컬 배포 LLM은 API 서비스형 모델과 달리 별도의 모더레이션이 없어, 이 감사 결과는 로컬 LLM 안전장치 설계에 직접적인 시사점을 제공한다.

• •로컬 배포 LLM용 탈옥 방어 6종(이론적 보장형 3종+경험적 탐지형 3종)을 체계적으로 감사
• •각 방어의 실패를 관찰에 그치지 않고 근본 가정을 추출해 위반 시 예상 패턴을 사전 예측 후 검증
• •14B~35B 모델 6종, 탈옥 프롬프트 100개, 총 13,800건 평가 기록으로 실증
• •API 서비스형과 달리 모더레이션이 없는 로컬 LLM의 안전 설계에 구체적 개선 방향 제시