적대적 사례 판별을 위한 푸리에 도메인 상에서 노이즈 필터링 기법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 정승환 | - |
dc.contributor.author | 정민영 | - |
dc.contributor.author | 신영길 | - |
dc.date.accessioned | 2022-03-15T05:40:03Z | - |
dc.date.available | 2022-03-15T05:40:03Z | - |
dc.date.created | 2022-03-15 | - |
dc.date.issued | 2022-02 | - |
dc.identifier.issn | 1975-681X | - |
dc.identifier.uri | http://scholarworks.bwise.kr/ssu/handle/2018.sw.ssu/42060 | - |
dc.description.abstract | 딥러닝의 연구가 활발해짐에 따라 안정성에 대한 중요성도 증대되고 있다. 특히 자율주행이나 의료 영상 판독과 같은 분야에서는 안정성이 크게 요구된다. 그러나 사람 눈으로는 구별할 수 없지만, 딥러닝의 결과에 큰 영향을 끼치는 적대적 사례 (adversarial example)로 인한 취약성이 대두되고 있다. 따라서 최근 적대적 사례로 딥러닝 모델을 공격하는 방법과 방어하는 방법은 활발히 연구가 되고 있다. 본 논문에서는 적대적 사례 영상을 푸리에 도메인 상으로 변환하여 분석하고, 푸리에 변환된 영상에서 얻은 노이즈 영상을 분류기의 입력으로 사용하여 적대적/비적대적 사례로 이진 분류하는 방법을 제안한다. 흔히 사용되는 공격 방법 중 하나인 Projected Gradient Descent (PGD)와 Deepfool로 생성한 적대적 사례를 대상으로 판별 실험을 하였다. Cifar-10 데이터에 대해 실험한 결과, PGD의 경우 93% 분류 정확도를, Deepfool은 85%의 분류 정확도를 보여 향후 적대적 사례에 대한 방어 방법으로 사용가능함을 확인하였다. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국차세대컴퓨팅학회 | - |
dc.relation.isPartOf | 한국차세대컴퓨팅학회 논문지 | - |
dc.title | 적대적 사례 판별을 위한 푸리에 도메인 상에서 노이즈 필터링 기법 | - |
dc.title.alternative | Noise Filtering Method on Fourier Domain for Adversarial Example Detection | - |
dc.type | Article | - |
dc.identifier.doi | 10.23019/kingpc.18.1.202202.006 | - |
dc.type.rims | ART | - |
dc.identifier.bibliographicCitation | 한국차세대컴퓨팅학회 논문지, v.18, no.1, pp.57 - 66 | - |
dc.identifier.kciid | ART002818164 | - |
dc.description.journalClass | 2 | - |
dc.citation.endPage | 66 | - |
dc.citation.number | 1 | - |
dc.citation.startPage | 57 | - |
dc.citation.title | 한국차세대컴퓨팅학회 논문지 | - |
dc.citation.volume | 18 | - |
dc.contributor.affiliatedAuthor | 정민영 | - |
dc.description.isOpenAccess | N | - |
dc.subject.keywordAuthor | 적대적 사례 | - |
dc.subject.keywordAuthor | adversarial example detection | - |
dc.subject.keywordAuthor | 딥러닝 | - |
dc.subject.keywordAuthor | noise filtering | - |
dc.subject.keywordAuthor | frequency domain | - |
dc.subject.keywordAuthor | Adversarial attack defense | - |
dc.subject.keywordAuthor | adversarial example detection | - |
dc.subject.keywordAuthor | deep learning | - |
dc.subject.keywordAuthor | noise filtering | - |
dc.subject.keywordAuthor | frequency domain | - |
dc.description.journalRegisteredClass | kci | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Soongsil University Library 369 Sangdo-Ro, Dongjak-Gu, Seoul, Korea (06978)02-820-0733
COPYRIGHT ⓒ SOONGSIL UNIVERSITY, ALL RIGHTS RESERVED.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.