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.
이용수
초록· 키워드
오류제보하기
딥러닝 기술이 여러 분야에 적용되면서 딥러닝 모델의 보안 문제인 적대적 공격기법 연구가 활발히 진행되었다. 적대적 공격은 이미지 분야에서 주로 연구가 되었는데 최근에는 모델의 분류 결과만 있으면 공격이 가능한 의사 결정 공격기법까지 발전했다. 그러나 오디오 분야의 경우 적대적 공격을 적용하는 연구가 비교적 더디게 이루어지고 있는데 본 논문에서는 오디오 분야에 최신 의사 결정 공격기법을 적용하고 개선한다. 최신 의사 결정 공격기법은 기울기 근사를 위해 많은 질의 수가 필요로 하는 단점이 있는데 본 논문에서는 기울기 근사에 필요한 벡터 탐색 공간을 축소하여 질의 효율성을 높인다. 실험 결과 최신 의사 결정 공격기법보다 공격 성공률을 50% 높였고, 원본 오디오와 적대적 예제의 차이를 75% 줄여 같은 질의 수 대비 더욱 작은 노이즈로 적대적 예제가 생성 가능함을 입증하였다.
목차
요약
ABSTRACT
I. 서론
II. 관련 연구
III. 오디오 적대적 예제
IV. 실험 및 평가
V. 결론
References
참고문헌 (23)
참고문헌 신청
C. Szegedy, W. Zaremba, and I. Sutskever, “Intriguing properties of neural networks.” International Conference on Learning Representations (ICLR), 2014.
I. Goodfellow, J. Shlens, and C. Szegedy, “Explaining and harnessing adversarial examples.” International Conference on Learning Representations (ICLR), 2015.
N. Papernot, P McDaniel, and S. Jhaet al., “The limitations of deep learning in adversarial settings” 2016 IEEE European symposium on security and privacy (EuroS&P), pp. 372-387, Mar. 2016.
S. Moosavi-Dezfooli, A. Fawzi, and P. Frossard, “DeepFool: a simple and accurate method to fool deep neural networks” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2574-2582, Jun 2016.
N. Carlini and D. Wagner, “Towards evaluating the robustness of neural networks.” 2017 IEEE Symposium on Security and Privacy (SP), pp. 39-57, May 2017.
I. Goodfellow, J. Shlens, and C. Szegedy, “Explaining and harnessing adversarial examples.” International Conference on Learning Representations (ICLR), 2015.
N. Papernot, P McDaniel, and S. Jhaet al., “The limitations of deep learning in adversarial settings” 2016 IEEE European symposium on security and privacy (EuroS&P), pp. 372-387, Mar. 2016.
S. Moosavi-Dezfooli, A. Fawzi, and P. Frossard, “DeepFool: a simple and accurate method to fool deep neural networks” 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2574-2582, Jun 2016.
N. Carlini and D. Wagner, “Towards evaluating the robustness of neural networks.” 2017 IEEE Symposium on Security and Privacy (SP), pp. 39-57, May 2017.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
얼굴 인식 모델에 대한 질의 효율적인 블랙박스 적대적 공격 방법
정보보호학회논문지
2022 .12
-
데이터 예측 클래스 기반 적대적 공격 탐지 및 분류 모델
정보보호학회논문지
2021 .12
-
Current Research Trends in Attacking Deep Learning Using Adversarial Examples
Journal of KIISE
2022 .05
-
적대적 머신러닝 공격과 방어기법
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
AI 모델의 적대적 공격 대응 방안에 대한 연구
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
Analysis of Vulnerabilities in Autonomous Driving Environments through Physical Adversarial Attacks Incorporating Natural Elements
Journal of KIISE
2024 .10
-
영상 인식을 위한 딥러닝 모델의 적대적 공격에 대한 백색 잡음 효과에 관한 연구
한국정보전자통신기술학회 논문지
2022 .02
-
Adversarial Sparsity Mapping Network to Defense Against Adversarial Attacks
Proceedings of KIIT Conference
2021 .06
-
초해상화를 이용하는 물체 탐지 모델에 대한 적대적 공격
한국정보과학회 학술발표논문집
2021 .06
-
컴퓨터 비전 분야의 적대적 공격 기술 연구 동향
정보과학회지
2021 .08
-
적대적 공격에 대한 방어의 효율성 향상
한국정보과학회 학술발표논문집
2024 .06
-
선형 판별 분석 및 k-means 알고리즘을 이용한 적대적 공격 유형 분류 방안
정보보호학회논문지
2021 .12
-
적대적 공격 및 방어 기술의 성능 향상을 위한 역방향 적대적 데이터 생성 연구
정보보호학회논문지
2024 .10
-
Advanced Generative Adversarial Defense Model using Instance Sparsity Mapping Network
한국정보기술학회논문지
2021 .08
-
공격 기법 모델링을 통한 사이버 공격 시뮬레이터 설계 및 구현
한국컴퓨터정보학회논문지
2020 .03
-
강화학습 모델에 대한 적대적 공격과 이미지 필터링 기법을 이용한 대응 방안
정보보호학회논문지
2024 .10
-
산업 제어 시스템의 이상 탐지 모델에 대한 적대적 예제 공격 및 대응
한국정보과학회 학술발표논문집
2023 .06
-
카메라 시점 변환을 이용한 전이 기반 적대적 공격 기법
전자공학회논문지
2022 .07
-
개체군 희소성 인덱스에 의한 컨벌루션 신경망 모델의 적대적 예제에 대한 뉴런 활동에 관한 연구
한국정보전자통신기술학회 논문지
2023 .02
-
사회공학 공격에 대한 기업조직의 위험 수준 평가 방안
융합보안논문지
2019 .01
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-004-001090433