http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
김용수(Yongsu Kim),강효은(Hyoeun Kang),김호원(Howon Kim) 한국정보보호학회 2020 情報保護學會誌 Vol.30 No.5
딥러닝 기술은 이미지 분류 문제에 뛰어난 성능을 보여주지만, 공격자가 입력 데이터를 조작하여 의도적으로 오작동을 일으키는 적대적 공격(adversarial attack)에 취약하다. 최근 이미지에 직접 스티커를 부착하는 형태로 딥러닝 모델의 오작동을 일으키는 적대적 패치(adversarial patch)에 관한 연구가 활발히 진행되고 있다. 하지만 기존의 적대적 패치는 대부분 눈에 잘 띄기 때문에 실제 공격을 받은 상황에서 쉽게 식별하여 대응할 수 있다는 단점이 있다. 본 연구에서는 GAN(Generative Adversarial Networks)을 이용하여 식별하기 어려운 적대적 패치를 생성하는 기법을 제안한다. 실험을 통해 제안하는 방법으로 생성한 적대적 패치를 이미지에 부착하여 기존 이미지와의 구조적 유사도를 확인하고 이미지 분류모델에 대한 공격 성능을 분석한다.
실제 및 시뮬레이션 환경에서의 적대적 공격 기법 연구 동향
김용수(Yongsu Kim),윤영여(Youngyeo Yun),강효은(Hyoeun Kang),김명길(Myeongkil Kim),김호원(Howon Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.2
딥러닝 기술은 지속적인 발전을 통해 실생활에 다양하게 적용되고 있지만, 악의적인 데이터를 주입하여 오작동하게 만드는 적대적 공격에 취약한 것으로 밝혀져 큰 위협이 되고 있다. 특히, 기존 연구에서 발전하여 실제 환경이나 이와 유사한 시뮬레이션 환경에서 딥러닝 모델을 공격할 수 있는 연구가 많이 제안되었다. 본 논문에서는 실제 및 시뮬레이션 환경에서의 적대적 공격 기법 연구 동향을 조사하여, 향후 실생활에 큰 위협이 되는 적대적 공격에 대한 효과적인 방어 연구를 진행하는 데 기여하고자 한다.