이 연구는 그래프 기반 AI 교통 예측의 적대적 강건성 평가가 비현실적인 위협 모델에 기반해 왔다고 지적하고, 소수의 도로 센서만 조작 가능한 현실적 공격자를 상정해 재검토했다. 공격이 특정 구간이나 경로에 국한돼 전체 네트워크는 큰 영향 없이 도착 예정 시간 오류나 불필요한 우회를 유발할 수 있음을 보였으며, 이런 표적형 물리 인식(physics-aware) 공격에는 기존 적대적 훈련 방어가 잘 전이되지 않음을 확인했다. 연구진은 강건성 문제를 탐지 문제로 재구성해 물리 정보 기반 탐지기를 예측기에 결합하고 적응형 공격에 대해 학습시키는 방어를 제안했다. 이 탐지-완화 방어는 15개 모델·데이터셋 조합 중 13개에서, 특히 미공개 공격에 대해 가장 큰 폭으로 기존 방어를 능가했으며 정상 데이터 성능 저하는 거의 없었다.

• •기존 교통 예측 적대적 강건성 평가가 비현실적 위협 모델에 근거했다고 비판, 소수 센서 조작 공격자로 재평가
• •표적형 물리 인식 공격은 특정 구간 오류를 크게 키우면서 전체 네트워크 오류는 거의 늘리지 않아 은밀함
• •기존 적대적 훈련 방어는 물리 인식 공격으로 잘 전이되지 않음을 확인
• •물리 정보 기반 탐지기와 예측기를 결합한 탐지-완화 방어가 15개 중 13개 설정에서 성능 우위