메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이승은 (한양대학교) 강경태 (한양대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.50 No.10
발행연도
2023.10
수록면
859 - 865 (7page)
DOI
10.5626/JOK.2023.50.10.859

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
적대적 공격은 딥러닝 모델 입력 데이터에 미세한 노이즈를 추가함으로써 모델이 잘못된 판단을 내리도록 유도한다. 의료영상에서의 딥러닝은 높은 성능을 보이지만 적대적 공격에 취약하다는 위험성이 있다. 또한 이 중 분할 모델의 경우 적대적 공격의 방어가 더욱 까다롭지만 이에 관련된 보안연구는 주목받지 못하고 있었다. 본 연구에서는 뇌 종양 분할 모델에서 FGSM 공격을 수행한 후 이에 대한 방어로 혼합 입력 이미지 변환과 기울기 정규화를 수행한다. 제안한 JPEG 압축과 가우시안 필터의 적용은 원본 이미지에 대한 성능은 유지하면서 적대적 노이즈를 제거하였다. 또한 기존 강건성 확보를 위한 방법인 기울기 정규화 모델과 비교하여 입력 이미지 변환법은 더 높은 방어 성능을 보일 뿐 아니라 모델의 재훈련 없이 적용 가능하다는 장점이 있다. 이를 통해 의료 인공지능 분야에서의 보안의 취약함을 확인하고 모델의 전처리 단계에서 적용할 수 있는 강건성 확보를 제안한다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 실험 설계
4. 실험 결과
5. 결론 및 고찰
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0