이미지의 Symbolic Representation 기반 적대적 예제 탐지 방법

Vol. 32, No. 5, pp. 975-986, 10월. 2022
10.13089/JKIISC.2022.32.5.975, Full Text:
Keywords: Image Classification, Adversarial example, Symbolic Representation
Abstract

딥러닝은 이미지 처리에 있어 우수한 성능을 보여주며 큰 주목을 받고 있지만, 입력 데이터에 대한 변조를 통해 모델이 오분류하게 만드는 적대적 공격에 매우 취약하다. 적대적 공격을 통해 생성된 적대적 예제는 사람이 식별하기 어려울 정도로 최소한으로 변조가 되며 이미지의 전체적인 시각적 특징은 변하지 않는다. 딥러닝 모델과 달리 사람은 이미지의 여러 특징을 기반으로 판단하기 때문에 적대적 예제에 속지 않는다. 본 논문은 이러한 점에 착안하여 이미지의 색상, 모양과 같은 시각적이고 상징적인 특징인 Symbolic Representation을 활용한 적대적 예제 탐지 방법을 제안한다. 입력 이미지에 대한 분류결과에 대응하는 Symbolic Representation과 입력 이미지로부터 추출한 Symbolic Representation을 비교하여 적대적 예제를 탐지한다. 다양한 방법으로 생성한 적대적 예제를 대상으로 탐지성능을 측정한 결과, 공격 목표 및 방법에 따라 상이하지만 specific target attack에 대하여 최대 99.02%의 탐지율을 보였다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
박소희, 김승주, 윤하연 and 최대선, "이미지의 Symbolic Representation 기반 적대적 예제 탐지 방법," Journal of The Korea Institute of Information Security and Cryptology, vol. 32, no. 5, pp. 975-986, 2022. DOI: 10.13089/JKIISC.2022.32.5.975.

[ACM Style]
박소희, 김승주, 윤하연, and 최대선. 2022. 이미지의 Symbolic Representation 기반 적대적 예제 탐지 방법. Journal of The Korea Institute of Information Security and Cryptology, 32, 5, (2022), 975-986. DOI: 10.13089/JKIISC.2022.32.5.975.