인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
딥러닝 모델이 민감한 개인 데이터를 활용하는 영역으로 확산됨에 따라, 학습 데이터의 유출 위험을 정량화하는 프라이버시 평가 지표의 중요성이 커지고 있다. 그러나 기존의 거시적 지표는 모델이 고확신 상태에 도달하면 출력 분포가 포화되어 방어 모델 간의 미세한 차이를 구분하지 못한다. 본 논문에서는 이러한 한계를 극복하기 위해 자카드 유사도에 퍼지 집합 이론을 결합하여 개별 데이터 단위의 식별 가능성을 평가하는 Soft-JMI를 제안한다. 제안 지표가 멤버십 추론 공격자의 목적 함수와 수학적으로 부합함을 유도하고, CIFAR-10 데이터셋과 네 가지 지식 증류 방어 모델로 지표별 변별력을 평가하였다. 실험 결과, 코사인 유사도와 KL 다이버전스는 모든 모델에서 포화되어 구분이 불가능한 반면, Soft-JMI는 Standard KD(0.5877)에서 CKD(0.4682)에 이르는 뚜렷한 변별 폭으로 모델 간 차이를 정량화하였다. 또한 평가 데이터의 구성 변화에도 모델 간 순위가 일관되게 보존되어, 제안 지표가 고확신 환경에서 방어 모델의 식별 가능성을 안정적으로 평가함을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
