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
- 서재홍
- 발행연도
- 2021
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수11
이 논문의 연구 히스토리 (2)
2023
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
높은 성능의 딥러닝 모델을 얻기 위해서는 최적화된 알고리즘과 많은 양의 학습 데이터가 필요하다. 여러 개의 학습 데이터 중 특히 의료 데이터는 사용자의 개인 정보가 침해될 수 있거나 민감한 정보가 포함된 경우가 많아 데이터 수집의 어려운 한계점을 가지고 있다. 이러한 한계점을 해결하고자 2017년 McMahan은 Federated learning을 제안하였다. Federated learning은 중앙 서버가 직접 학습 데이터를 수집하지 않고, 제 3자가 학습 데이터를 가공하여 얻은 Gradient 값으로 딥러닝 모델을 학습시킨다.
하지만, Federated learning은 제 3자가 어떤 학습 데이터를 사용했는지 알 수 없으며, 딥러닝 모델의 예측/추론 오류를 일으키는 백도어 공격의 가능성이 있다. 일반적인 Federated learning 학습에서 백도어 공격 성공률은 낮다. 이러한 백도어 공격 성공률을 높이기 위해서 Model replacement 연구가 발표되었고, 이후 Model replacement에 분산화 기법을 적용하였을 때 백도어 공격 성공률을 더욱 높인 연구가 DBA의 이름으로 2020년 발표되었다.
본 논문은 이전의 DBA 방식에서 딥러닝 모델의 가중치 중 일부를 축소/확대 조절할 경우 DBA보다 높은 백도어 공격 성공률을 갖출 수 있도록 개선하였으며, DBA에서 진행한 동일한 알고리즘 환경으로 비교 우위를 확인하였다.
하지만, Federated learning은 제 3자가 어떤 학습 데이터를 사용했는지 알 수 없으며, 딥러닝 모델의 예측/추론 오류를 일으키는 백도어 공격의 가능성이 있다. 일반적인 Federated learning 학습에서 백도어 공격 성공률은 낮다. 이러한 백도어 공격 성공률을 높이기 위해서 Model replacement 연구가 발표되었고, 이후 Model replacement에 분산화 기법을 적용하였을 때 백도어 공격 성공률을 더욱 높인 연구가 DBA의 이름으로 2020년 발표되었다.
본 논문은 이전의 DBA 방식에서 딥러닝 모델의 가중치 중 일부를 축소/확대 조절할 경우 DBA보다 높은 백도어 공격 성공률을 갖출 수 있도록 개선하였으며, DBA에서 진행한 동일한 알고리즘 환경으로 비교 우위를 확인하였다.
목차
국문 요지 iii제 1장 서론 1제 2장 관련 연구 3제 3장 Federated Learning 6제 4장 Federated Learning에서의 공격 방법 8제 1절 Model Replacement 9제 2절 DBA: Distributed Backdoor Attacks 9제 3절 제안된 접근법 11제 5장 실험 13제 6장 결론 및 향후 연구과제 16참고 문헌 17
최근 본 자료
댓글(0)
0