이 논문은 생성형 검색엔진을 악의적인 생성 엔진 최적화(GEO)로부터 방어하는 방법을 다룬다. GEO는 웹 문서를 검색엔진의 인용 선호에 맞게 다시 써서 생성된 답변을 조작하는 기법으로, 최근에는 수작업 재작성에서 자동화·에이전트형 최적화로 발전해 표적 문서의 노출도를 크게 높였다. 방어가 어려운 이유는 공격 문서가 원본과 사실적으로 일치해 팩트체크나 혼잡도 필터링이 무력화되고, 공격이 증폭시키는 특징이 양질의 콘텐츠 특징과 동일하기 때문이다. 연구진은 대상 LLM을 미세조정할 필요 없이 공격 사슬에 맞춘 2단계 방어 'GEO Defender'를 제안한다. 고정된 기본 재순위화기 위에 선호 기반 방어 잔차를 학습하는 '실드 재순위화기'와 방어 결과를 자연어 경험 라이브러리로 증류하는 '학습 없는 실드 생성(TFSG)'으로 구성되며, 폐쇄형 LLM 2종과 오픈소스 LLM 3종, 7가지 GEO 공격 실험에서 평균 공격 성공률을 50.32%에서 6.20%로 낮추면서도 양질의 근거 사용은 94.12% 유지했다.

• •웹 문서를 재작성해 생성형 검색 답변을 조작하는 GEO 공격에 대한 방어 기법 GEO Defender 제안
• •공격 문서가 원본과 사실적으로 일치해 팩트체크·혼잡도 필터링이 무력화되는 문제 지적
• •실드 재순위화기(선호 기반 방어 잔차 학습)와 학습 없는 실드 생성(TFSG)의 2단계 방어로 구성
• •대상 LLM 미세조정 없이 적용 가능, 자연어 경험 라이브러리로 방어 지식 전달
• •폐쇄형 LLM 2종·오픈소스 3종·7가지 공격 실험에서 공격 성공률 50.32%→6.20%로 감소, 양질 근거 사용 94.12% 유지