한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

적대적 AI 공격에 대한 해양선박 보안강화 연구

A Study on Strengthening the Security of Marine Ships against Adversarial AI Attacks

  • 전준석 (서울과학기술대학교 산업공학과 ITM 전공) ;
  • 김희준 (고려대학교 컴퓨터융합소프트웨어학과) ;
  • 이현화 (서울과학기술대학교 산업공학과 산업정보시스템 전공) ;
  • 윤다영 (성신여자대학교 융합보안공학과) ;
  • 박지우 (수원대학교 컴퓨터학부 컴퓨터 SW 전공) ;
  • 이규영 (한국과학기술원 정보보호대학원)
  • Jun-Seok Jeon (Dept. of Industrial Engineering, Seoul National University of Science and Technology) ;
  • Hee-June Kim (Dept. of Computer Convergence Software, Korea University) ;
  • Hyun-Hwa Lee (Dept. of Industrial Engineering, Seoul National University of Science and Technology) ;
  • Da-Young Yoon (Dept. of Convergence Security Engineering, Sungshin Women's University) ;
  • Ji-Woo Park (Dept. of Computer Software, University of Suwon) ;
  • Gyu-Young Lee (Graduate School of Information Security, KAIST)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 해양 선박의 보안 강화를 위해, 다양한 적대적 공격에 대응할 수 있는 방어 전략을 제안한다. FGSM, BIM, PGD, DeepFool, JSMA 등 주요한 적대적 공격 기법을 구현하여 실험한 결과, 적대적 훈련을 적용한 모델이 공격 후에도 높은 정확도를 유지하는 것을 확인하였으며, 따라서 향후 자율운항을 위한 안전성 확보에 중요한 역할을 할 것으로 기대한다.

키워드

과제정보

본 논문은 해양수산부 실무형 해상물류 일자리지원사업(스마트해상물류 × ICT 멘토링)을 통해 수행한 ICT 멘토링 프로젝트 결과물입니다.

참고문헌

  1. 박혜리, 박한선, 김보람, "자율운항선박 도입 관련 대응정책 방향 연구", 한국해양수산개발원, 2018.
  2. Madry, A, et al. "Towards deep learning models resistant to adversarial attacks", ICLR, 2018
  3. Moosavi-Dezfooli, et al. "DeepFool: a simple and accurate method to fool deep neural networks", CVPR, 2016.
  4. Combey et al. "Probabilistic Jacobian-based Saliency Maps Attacks", Machine Learning and Knowledge Extraction, 2020.