대규모 언어 모델(LLM)을 처음부터 학습하는 데 드는 비용이 매우 높아짐에 따라, LLM의 지적재산권(IP) 보호는 점점 더 중요한 과제가 되었다. IP 소유권 검증의 표준적인 접근 방식인 LLM 지문 기반 기법은 이러한 도전에 대응하는 데 핵심적인 역할을 한다. 기존의 LLM 지문 기법은 모델 고유의 특징을 추출하거나 삽입함으로써 소유권을 검증하지만, 검증 과정 중 발생할 수 있는 공격에 대한 고려가 부족하다. 특히 모델 도둑이 LLM의 추론 과정을 완전히 제어하는 상황에서는 이러한 기법들이 효과를 상실하게 된다. 이와 같은 환경에서는 공격자가 프롬프트-응답 쌍을 공유함으로써 지문 정보를 학습에서 제거하거나, 출력을 조작하여 정확한 일치 검증을 회피할 수 있다. 본 연구에서는 모델 도둑이 추론 전 과정을 종단 간(end-to-end)으로 제어하는 상황에서도 신뢰할 수 있는 검증이 가능한, 처음으로 제안된 지문 기반 기법인 iSeal을 제안한다. iSeal은 모델 내부와 외부 모듈 양쪽에 고유한 특징을 삽입하며, 오류 수정 메커니즘과 유사도 기반 검증 전략을 통해 이를 강화한다. 이러한 구성 요소들은 공모 기반 지문 무효화 및 응답 조작과 같은 검증 시점 공격에 대해 저항력을 갖추고 있으며, 이는 이론적 분석과 실험 결과를 통해 입증된다. iSeal은 12개의 LLM에 대해 10가지 이상의 공격에 대해 100%의 지문 성공률(FSR)을 달성하는 반면, 기존 기법들은 지문 학습 제거 및 응답 조작에 취약하여 실패한다.