本論文では、ネットワーク侵入検知システム（NIDS）における深層ニューラルネットワーク（DNN）の層の深さが敵対的攻撃に対するロバスト性に与える影響を探求しています。研究の結果、NIDS分野においては、層を増やしても性能の向上は見られず、むしろ敵対的攻撃に対するロバスト性が低下する可能性が示唆されました。一方、コンピュータビジョンの分野では層を追加することがロバスト性に対してあまり大きな影響を及ぼさないことも分かりました。これらの発見は、NIDS用の堅牢なニューラルネットワークの開発に役立ち、機械学習の文脈におけるネットワークセキュリティ分野の特異性を浮き彫りにします。