人工知能システムは、規制遵守や人間の価値観への調和が重要な設定での展開が進んでいます。しかし、特にニューラルネットワークにおいては、プロパティの強制が難しく、既存の手法は特定の制約や局所的な性質（データポイント周辺で定義される）に限られており、完全な保証を提供することができません。本研究では、最近提案されたNN用の強制フレームワークSMiLEを拡張し、全入力空間で定義されるグローバルな関係プロパティをサポートする手法を紹介します。このアプローチは、モデルの複雑性に対してスケールし、一般的なプロパティやバックボーンに対応し、完全な満足度保証を提供します。合成データと実データを用いてモノトニシティ、グローバルロバスト性、個別的公正性を評価した結果、高い精度と実行時間で競争力を持ち、一般性と保証レベルにおいて優れていることが示されました。SMiLEフレームワークは、今後の研究や応用のプラットフォームとしての可能性を強調しています。