本論文では、ハイパーパラメータ（学習率、ウェイト減衰、モーメント、バッチサイズなど）が転送攻撃およびクエリベース攻撃に対するロバスト性にどのように影響を与えるかを詳細に分析しています。理論と実験に基づく結果として、特に転送攻撃において学習率を下げることでロバスト性が最大64%向上する一方、クエリベース攻撃には学習率を上げることで最大28%の改善が見られました。さらに、両方の攻撃に対してロバスト性を同時に向上させるためのハイパーパラメータの設計空間を探求しています。特に、分散モデルがハイパーパラメータチューニングによって最も利益を得て、他の訓練方法よりも効果的に両方の攻撃に対処できることが示されました。