이 논문은 LLM 안전장치가 답변이 실제로 어떻게 쓰일지 확인하기 전에 답변 여부를 결정한다는 근본적 한계를 지적한다. 공격자가 선의의 요청과 상호작용 이력을 그대로 복제(copyable)할 수 있을 때, 유용한 답변을 유지하면서도 공격자에게 제공되는 지원을 완전히 막을 수 없다는 수학적 하한을 도출했다. 연구진은 이를 '안전 트릴레마(safety trilemma)'로 정식화했다: 유용한 능력, 신뢰할 수 있는 안전성, 개방적 접근을 동시에 만족할 수 없다는 것이다. 복제하기 어려운 신뢰 자격증명(trusted credential)을 결합하면 기존 안전장치를 보완해 이 한계를 완화할 수 있음을 보이고, 이중용도 평가와 적응형 공격 실험으로 이론의 실효성을 뒷받침했다.

• •LLM 안전장치는 답변의 실사용 맥락을 보지 못한 채 사전에 허용 여부를 결정하는 구조적 한계 보유
• •'유용한 능력·신뢰할 수 있는 안전성·개방적 접근'을 동시에 만족할 수 없는 '안전 트릴레마' 정식화
• •상호작용 이력이 복제 가능한 한 공격자 지원을 막는 데 수학적 하한이 존재함을 증명
• •복제하기 어려운 신뢰 자격증명 도입이 안전장치를 보완할 실질적 대안으로 제시