선형 판별 분석 및 k-means 알고리즘을 이용한 적대적 공격 유형 분류 방안

최석환; 김형건; 최윤호

추천

검색

질문

자료유형: 학술저널

저자정보: 최석환 (부산대학교) 김형건 (부산대학교) 최윤호 (부산대학교)

저널정보: 한국정보보호학회 정보보호학회논문지 정보보호학회논문지 제31권 제6호

발행연도: 2021.12

수록면: 1,215 - 1,225 (11page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

인공지능 기술은 우수한 성능을 기반으로 다양한 분야에 적용되고 있지만 입력 데이터에 인간이 감지할 수 없는 적대적 섭동을 추가하여 인공지능 모델의 오작동을 유도하는 적대적 예제에 취약하다. 현재까지 적대적 예제에 대응하기 위한 방법은 세 가지 범주로 분류할 수 있다. (1) 모델 재학습 방법; (2) 입력 변환 방법; (3) 적대적 예제 탐지 방법. 이러한 적대적 예제에 대응하기 위한 방법은 끊임없이 등장하고 있지만 각 적대적 공격 유형을 분류하는 연구는 미비한 실정이다. 따라서, 본 논문에서는 차원 축소와 군집화 알고리즘을 활용한 적대적 공격 유형 분류 방법을 제안한다. 구체적으로, 제안하는 방법은 적대적 예시로부터 적대적 섭동을 추출하고 선형 판별 분석(LDA)를 통해 적대적 섭동의 차원을 축소한 후에 k-means 알고리즘으로 적대적 공격 유형 분류를 수행한다. MNIST 데이터셋과 CIFAR-10 데이터셋을 대상으로 한 실험을 통해, 제안하는 기법은 5개의 적대적 공격(FGSM, BIM, PGD, DeepFool, C&W)을 효율적으로 분류할 수 있으며, 적대적 예제에 대한 정상 입력을 알 수 없는 제한적인 상황에서도 우수한 분류 성능을 나타내는 것을 확인하였다.

#Deep Learning #Adversarial example #Adversarial attack #Clustering

참고문헌 (27)

참고문헌 신청

Tractica, "Artificial Intelligence Market Forecasts," Dec. 2019.

Szegedy, C., Zaremba, W., Sutskever, I., Bruna, J., Erhan, D., Goodfellow, I., & Fergus, R. “Intriguing properties of neural networks,” arXiv preprint arXiv:1312.6199, Dec. 2013. Nicolae, M. I., Sinn, M., Minh, T. N., Rawat, A., Wistuba, M., Zantedeschi, V., & Edwards, B. “Adversarial Robustness Toolbox v0. 2.2.,” Jul. 2018.

Jackie SnowMar. “To protect artificial intelligence from attacks, show it fake data,” Mar. 2018.

Goodfellow, I. J., Shlens, J., & Szegedy, C.. “Explaining and harnessing adversarial examples,” arXiv preprint arXiv:1412.6572, Dec. 2014

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최석환

소속기관 부산대학교

주요연구분야 공학 > 컴퓨터학

논문수 2 이용수 384

김형건

소속기관 부산대학교

주요연구분야 공학 > 컴퓨터학 공학 > 전기전자공학 > 정보통신공학

논문수 7 이용수 716

최윤호

소속기관 부산대학교

주요연구분야 공학 > 컴퓨터학 TOP 5% 공학 > 전기전자공학 > 전기공학 TOP 5%

논문수 330 이용수 21,371

이 논문과 함께 이용한 논문

인공지능 기반 악성코드 분석에서의 모델편향 완화방안 연구

이예은 , 이용수 , 이은규 외 1명 한국통신학회 학술대회논문집 2022 .02

악성코드로부터 빅데이터를 보호하기 위한 이미지 기반의 인공지능 딥러닝 기법

김혜정 , 윤은준 전자공학회논문지 2017 .02

자율주행 시뮬레이터의 종합적인 분석과 성능 비교에 관한 연구

박수현 , 박주희 , 한정희 한국통신학회 학술대회논문집 2024 .01

CARLA 를 활용한 전이학습 기반 객체 검출 데이터 셋 구축에 관한 연구

김하선 , 라해윤 , 김아란 외 1명 제어로봇시스템학회 논문지 2024 .02

글자 속성을 이용한 유사 문서 식별 및 포렌식 활용 방안 연구

김재현 , 김준호 , 박정흠 디지털포렌식연구 2023 .12

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2022-004-000066933

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (27)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)