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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최대선
- 발행연도
- 2021
- 저작권
- 숭실대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 데이터 3법이 발표되면서 자유롭게 데이터를 사용함에 따라 개인정보 침해문제가 대두 되고 있으며 이를 예방하기 위해 데이터 익명화 및 프라이버시 보호모델, 연합학습이 연구되고 있다. 익명화처리와 프라이버시 보호모델은 다른 사람이 식별하지 못하도록 만들어야하며 성능을 고려해야하는 상황이 발생한다. 연합학습은 구글이 2017년에 발표한 학습법으로 학습을 참여하는 클라이언트들에게 학습된 결과 값만을 요구하기 때문에 데이터를 직접적으로 요구하지 않기 때문에 프라이버시 보호로부터 안전하고 민감한 정보를 사용하기 때문에 풍성한 결과 값을 얻어낼 수 있다. 하지만 안전할 것만 같은 연합학습이 완벽하게 프라이버시를 보호할 수 없다는 연구결과가 나왔다. 연합학습과정에서 클라이언트로부터 얻어지는 그래디언트로 학습데이터를 추출할 수 있는 재복원 공격이 발표되었으며 현재는 복원성능이 빠르고 복원력을 높이는 방법을 연구하는 단계이다. 본 논문은 재복원 공격을 함에 있어서 어떠한 요소가 적용되는지를 파악할 수 있는 프리미티브를 제공할 것이며 실제 환경과 유사한 배치 상황에서의 재복원결과를 시각화 할것이고 복원이 얼마나 되었는지를 수치적으로 확인하기 위해 MSE, PSNR, SSIM, LOSS인 평가지표로 MNIST데이터를 활용해 확인한다. 알게 된 사실로 데이터의 형태와 데이터의 갯수, 모델, 레이블이 복원성능에 영향을 미쳤으며 클래스와 데이터가 많아질수록 복원력이 매우 떨어지는 MSE, LOSS값이 낮아지고 PSNR, SSIM이 낮아지는 결과를 확인했다. 수치적으로는 매우 낮지만 시각적으로 복원된 정도를 파악할 수 있었으며 얻은 이미지로 공격자가 충분히 PIL 이미지 필터링, Image Ops을 통해 시각적 효과를 극대화하여 프라이버시 침해가 가능하다는 것을 확인할 수 있다.
목차
제 1 장 서론 11.1 연구 배경 및 목적 11.2 연구 내용 및 범위 31.3 논문의 구성 3제 2 장 관련 연구 52.1 연합학습 52.1.1 연합학습 학습과정 62.1.2 연합학습 알고리즘 72.2 연합학습의 안전성 92.3 재복원공격 관련 연구 9제 3 장 재복원공격 프리미티브 113.1 재복원공격 113.2 랜덤데이터의 변형 및 데이터의 수 133.2.1 랜덤데이터의 변형 133.2.2 랜덤데이터의 수 143.2.2.1 모델 및 데이터셋 153.2.2.2 실험결과 153.3 모델 및 파라미터 변형 173.4 label 183.4.1 Correct label vs Random label 193.4.1.1 평가방법 193.4.1.2 실험결과 21제 4 장 배치상황 재복원공격 244.1 데이터 상황 244.2 데이터 상황별 재복원 공격 분석 실험 264.2.1 실험방법 274.2.2 실험결과 284.2.2.1 1 상황 294.2.2.2 D 상황 304.2.2.3 C 상황 334.2.2.4 C x D 상황 364.3 PIL 필터링 기법 39제 5 장 결론 42참고문헌 45
최근 본 자료
댓글(0)
0