Acknowledgement
본 프로젝트는 과학기술정보통신부 정보통신창의인재양성사업의 지원을 통해 수행한 ICT멘토링 프로젝트 결과물입니다.
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2022.11a
- /
- Pages.803-805
- /
- 2022
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Study of Adversarial Attack and Defense Deep Learning Model for Autonomous Driving
자율주행을 위한 적대적 공격 및 방어 딥러닝 모델 연구
- Kim, Chae-Hyeon (School of Biomedical Engineering, Korea University) ;
- Lee, Jin-Kyu (Dept. of Civil, Environmental and Architectural Engineering, Korea University) ;
- Jung, Eun (Dept. of Convergence Software, Myongji University) ;
- Jung, Jae-Ho (Dept. of Civil, Environmental and Architectural Engineering, Korea University) ;
- Lee, Hyun-Jung (Dept. of Convergence Security Engineering, Sungshin Women's University) ;
- Lee, Gyu-Young (Graduate School of Information Security, KAIST)
- 김채현 (고려대학교 바이오의공학부) ;
- 이진규 (고려대학교 건축사회환경공학부) ;
- 정은 (명지대학교 소프트웨어융합학과) ;
- 정재호 (고려대학교 건축사회환경공학부) ;
- 이현정 (성신여자대학교 융합보안공학과) ;
- 이규영 (한국과학기술원 정보보호대학원)
- Published : 2022.11.21
Abstract
자율주행의 시대가 도래함에 따라, 딥러닝 모델에 대한 적대적 공격 위험이 함께 증가하고 있다. 카메라 기반 자율주행차량이 공격받을 경우 보행자나 표지판 등에 대한 오분류로 인해 심각한 사고로 이어질 수 있어, 자율주행 시스템에서의 적대적 공격에 대한 방어 및 보안 기술 연구가 필수적이다. 이에 본 논문에서는 GTSRB 표지판 데이터를 이용하여 각종 공격 및 방어 기법을 개발하고 제안한다. 시간 및 정확도 측면에서 성능을 비교함으로써, 자율주행에 최적인 모델을 탐구하고 더 나아가 해당 모델들의 완전자율주행을 위한 발전 방향을 제안한다.
Keywords