Paper Editor

:::theorem 수렴성
조건 X 하에서 알고리즘 A는 O(n)에 수렴한다.
:::

:::proof
귀류법에 의해 가정에서 모순이 발생한다.
:::

:::algorithm 학습 절차
Input: 데이터셋 D, 파라미터 k
Output: 모델 M
1. 가중치 w 초기화
2. 각 에폭 t에 대해:
   a. 그래디언트 계산
   b. w 업데이트
3. 학습된 M 반환
:::

$$
\mathcal{L} = \sum_{i} \ell(f(x_i), y_i)
$$

*Table 1. 방법별 성능 비교.*
| 방법 | 정확도 | F1 |
|------|--------|-----|
| A    | 0.95   | 0.88|

![시스템 구조](figures/arch.pdf)
*Fig. 1. 제안 시스템의 전체 아키텍처.*

### Threat Model
**Assets**
- 모델 가중치, API 키
**Adversary**
- **Goal:** 안전 정렬 우회
- **Access:** black-box

선행연구 [cite:1]에서 보인
바와 같이...

|  | Pred + | Pred - |
|--|--------|--------|
| Actual + | TP | FN |
| Actual - | FP | TN |

```mermaid
graph LR
  A[입력] --> B[처리]
  B --> C[출력]
```

제로트러스트 가정은 자주 위반된다[^ot].

[^ot]: 레거시 PLC는 평면 L2 신뢰를 사용.

```figgrid caption="Fig.3" cols=2
![A](a.png){sub="a" cap="Baseline"}
![B](b.png){sub="b" cap="Proposed"}
```

![설명](image.png){width=60%}
*Fig. 1. 캡션.*

```mermaid
sequenceDiagram
  C->>S: Request
  A->>S: Injection
```

| 규제 | 조문 | 요구사항 | 통제항목 |
|------|------|---------|---------|
| EU AI Act | Art.6 | 고위험 분류 | ISO A.5 |