지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2023.12
- 수록면
- 1,087 - 1,098 (12page)
이용수
초록· 키워드
오류제보하기
인공지능 기술의 급격한 발전으로 다양한 분야에서 적극적으로 활용되고 있으나, 이와 함께 인공지능 기반 시스템에 대한 공격 위협이 증가하고 있다. 특히, 딥러닝에서 사용되는 인공신경망은 입력 데이터를 고의로 변형시켜 모델의 오류를 유발하는 적대적 공격에 취약하다. 본 연구에서는 이미지에서 단 하나의 픽셀 정보만을 변형시킴으로써 시각적으로 인지하기 어려운 One-Pixel 공격으로부터 이미지 분류 모델을 보호하기 위한 방법을 제안한다. 제안된 방어 기법은 오토인코더 모델을 이용하여 분류 모델에 입력 이미지가 전달되기 전에 잠재적 공격 이미지에서 위협 요소를 제거한다. CIFAR-10 데이터셋을 이용한 실험에서 본 논문에서 제안하는 오토인코더 기반의 One-Pixel 공격 방어 기법을 적용한 사전 학습 이미지 분류 모델들은 기존 모델의 수정 없이도 One-Pixel 공격에 대한 강건성이 평균적으로 81.2% 향상되는 결과를 보였다.
목차
요약
ABSTRACT
I. 서론
II. 관련 연구
III. 오토인코더 기반의 One-Pixel 공격 방어
IV. 실험
V. 결론
References
참고문헌 (30)
참고문헌 신청
A. Krizhevsky, I. Sutskever and G. E. Hinton, “Imagenet classification with deep convolutional neural networks,” Communications of the ACM, vol. 25, pp. 1097-1105, 2012.
K. He, X. Zhang, and S. Ren, “Delving deep into rectifiers: surpassing human-level performance on imagenet classification,” Proceedings of the IEEE international conference on computer vision 2015, pp. 1026-1034, 2015.
Huang, Sandy, et al. “Adversarial attacks on neural network polices,” arXiv preprint arXiv:1702.02284, Feb. 2017.
K. Ren, T. Zheng, and Z. Qin, “Adversarial attacks and defenses in deep learning,” Engineering, vol. 6, no. 3, pp. 346-360, Mar. 2020.
Madry, Aleksander, et al. “Towards deep learning models resistant to adversarial attacks,” arXiv preprint arXiv:1706.06083, Sep. 2019.
K. He, X. Zhang, and S. Ren, “Delving deep into rectifiers: surpassing human-level performance on imagenet classification,” Proceedings of the IEEE international conference on computer vision 2015, pp. 1026-1034, 2015.
Huang, Sandy, et al. “Adversarial attacks on neural network polices,” arXiv preprint arXiv:1702.02284, Feb. 2017.
K. Ren, T. Zheng, and Z. Qin, “Adversarial attacks and defenses in deep learning,” Engineering, vol. 6, no. 3, pp. 346-360, Mar. 2020.
Madry, Aleksander, et al. “Towards deep learning models resistant to adversarial attacks,” arXiv preprint arXiv:1706.06083, Sep. 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
데이터 예측 클래스 기반 적대적 공격 탐지 및 분류 모델
정보보호학회논문지
2021 .12
-
질의 효율적인 의사 결정 공격을 통한 오디오 적대적 예제 생성 연구
정보보호학회논문지
2022 .02
-
Effective Robustness Improvement in Medical Image Segmentation : Adversarial Noise Removal by the Input Transform Method
Journal of KIISE
2023 .10
-
스테레오 깊이 추정 신경망에 대한 표적성 적대적 공격
대한전자공학회 학술대회
2022 .06
-
적대적 공격에 견고한 Perceptual Ad-Blocker 기법
정보보호학회논문지
2020 .10
-
얼굴 인식 모델에 대한 질의 효율적인 블랙박스 적대적 공격 방법
정보보호학회논문지
2022 .12
-
초해상화를 이용하는 물체 탐지 모델에 대한 적대적 공격
한국정보과학회 학술발표논문집
2021 .06
-
이미지 분류에서 적대적 공격과 특징 기반 기여도 민감성을 통한 딥러닝 모델의 견고성 평가
대한산업공학회 추계학술대회 논문집
2021 .11
-
적대적 머신러닝 공격과 방어기법
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
연관 규칙 기반 네트워크 공격 탐지 및 분석 기법 연구
디지털콘텐츠학회논문지
2022 .09
-
카메라 시점 변환을 이용한 전이 기반 적대적 공격 기법
전자공학회논문지
2022 .07
-
Analysis of Vulnerabilities in Autonomous Driving Environments through Physical Adversarial Attacks Incorporating Natural Elements
Journal of KIISE
2024 .10
-
이미지 노이즈 제거를 이용한 적대공격에 대한 방어
한국정보과학회 학술발표논문집
2018 .06
-
영상 인식을 위한 딥러닝 모델의 적대적 공격에 대한 백색 잡음 효과에 관한 연구
한국정보전자통신기술학회 논문지
2022 .02
-
적대적 공격에 대한 방어의 효율성 향상
한국정보과학회 학술발표논문집
2024 .06
-
AI 모델의 적대적 공격 대응 방안에 대한 연구
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
Advanced Generative Adversarial Defense Model using Instance Sparsity Mapping Network
한국정보기술학회논문지
2021 .08
-
적대적 공격의 전이성 향상을 위한 이미지 왜곡 기법
전자공학회논문지
2022 .10
-
Adversarial Sparsity Mapping Network to Defense Against Adversarial Attacks
Proceedings of KIIT Conference
2021 .06
-
Current Research Trends in Attacking Deep Learning Using Adversarial Examples
Journal of KIISE
2022 .05
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-088524756