Detailed Information
Cited 0 time in 
Cited 0 time in 
Cited 0 time in
Metadata Downloads
적대적 공격을 방어하기 위한 StarGAN 기반의 탐지 및 정화 연구StarGAN-Based Detection and Purification Studies to Defend against Adversarial Attacks
- Other Titles
- StarGAN-Based Detection and Purification Studies to Defend against Adversarial Attacks
- Issue Date
- Jun-2023
- Publisher
- 한국정보보호학회
- Keywords
- Adversarial example; Generative Adversarial Networks; Adversarial defense; Purification network
- Citation
- 정보보호학회논문지, v.33, no.3, pp.449 - 458
- Journal Title
- 정보보호학회논문지
- Volume
- 33
- Number
- 3
- Start Page
- 449
- End Page
- 458
- ISSN
- 1598-3986
- Abstract
- 인공지능은 빅데이터와 딥러닝 기술을 이용해 다양한 분야에서 삶의 편리함을 주고 있다. 하지만, 딥러닝 기술은 적대적 예제에 매우 취약하여 적대적 예제가 분류 모델의 오분류를 유도한다. 본 연구는 StarGAN을 활용해 다양한 적대적 공격을 탐지 및 정화하는 방법을 제안한다. 제안 방법은 Categorical Entropy loss를 추가한 StarGAN 모델에 다양한 공격 방법으로 생성된 적대적 예제를 학습시켜 판별자는 적대적 예제를 탐지하고, 생성자는 적대적 예제를 정화한다. CIFAR-10 데이터셋을 통해 실험한 결과 평균 탐지 성능은 약 68.77%, 평균 정화 성능은 약 72.20%를 보였으며 정화 및 탐지 성능으로 도출되는 평균 방어 성능은 약 93.11%를 보였다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - College of Information Technology > School of Software > 1. Journal Articles
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Related Researcher
- Choi, Daeseon
- College of Information Technology (School of Software)