Current Result Document :
| 한글제목(Korean Title) |
입력 이미지 변환을 이용한 적대적 공격에 강건한 뇌종양 분할 모델 |
| 영문제목(English Title) |
Robust Brain Tumor Segmentation Model to Adversarial Attacks Using Input Image Transformation |
| 저자(Author) |
이승은
강경태
Seungeun Lee
Kyungtae Kang
|
| 원문수록처(Citation) |
VOL 49 NO. 02 PP. 0508 ~ 0510 (2022. 12) |
한글내용
(Korean Abstract) |
적대적 공격은 딥러닝 모델 입력 데이터에 사람의 눈으로는 판단할 수 없는 노이즈를 추가함으로써 모델이 잘못된 판단을 내리도록 유도한다. 의료영상에서의 딥러닝은 여러 응용에서 높은 성능을 보이며 차세대 컴퓨터 보조 진단에 대한 기대감을 높이고 있지만 다양성 부족과 데이터 제한이라는 의료영상의 특성으로 인해 적대적 공격에 특히 취약하다. 또한 이 중 분할 모델의 경우, 각 픽셀 단위로 판단이 이뤄지기 때문에 적대적 공격과 방어가 더욱 까다롭지만 지금까지 의료영상 분할에 관련된 보안연구는 주목받지 못하고 있었다. 이 논문에서는 뇌 종양 분할 모델에서 적대적 공격 중 하나인 FGSM 공격을 수행하고, 이에 대한 방어로 혼합 입력 이미지 변환법을 제안한다. 입력 이미지에서의 JPEG 압축과 가우시안 필터를 적용한 이미지 변환은 뇌종양 분할 모델에서 원본 이미지에 대한 성능은 유지하면서 적대적 이미지에서의 노이즈를 성공적으로 제거할 수 있었다. 이를 통해 의료 분야의 딥러닝에서 보안의 중요성을 확인하고 모델의 전처리 단계에서 적용할 수 있는 적대적 공격에 대한 방어 연구를 수행하였다. |
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
