한국정보처리학회:학술대회논문집 (Annual Conference of KIPS)

한국정보처리학회 (Korea Information Processing Society)
권호 표지

GAN과 FGSM을 결합한 적대적 워터마킹: AI 모델의 무단 학습 방지

Adversarial Watermarking Combining GAN and FGSM: Preventing Unauthorized Learning of AI Models

  • 김지훈 (숭실대학교 컴퓨터학과) ;
  • 신용태 (숭실대학교 컴퓨터학과)
  • Ji-Hun Kim (Dept. of Computer Science and Engineering, Soong-Sil University) ;
  • Young-Tae Shin (Dept. of Computer Science and Engineering, Soong-Sil University)
  • 발행 : 2024.10.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 논문은 디지털 콘텐츠의 무단 사용을 방지하기 위해 GAN과 FGSM을 결합한 적대적 워터마킹 기법을 제안하는 것을 목표로 한다. 이 기법은 GAN을 사용해 시각적으로 인지하기 어려운 워터마크를 생성하고, FGSM을 통해 AI 모델이 이 워터마크를 학습하지 못하도록 방해한다. 제안된 기법의 효과를 SSIM과 Probability Shift & MAX Probability Shift 지표를 통해 분석하여, 디지털 콘텐츠 보호에 대한 새로운 접근 방식을 제시하고자 한다.

키워드

과제정보

본 연구는 과학기술정보통신부 및 정보통신기획평가원의 SW중심대학사업의 지원을 받아 수행되었음(2024-0-00071)

참고문헌

  1. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., Bengio, Y., "Generative Adversarial Nets," Advances in Neural Information Processing Systems (NeurIPS), Vol. 27, 2014, pp. 2672-2680.
  2. Goodfellow, I., Shlens, J., Szegedy, C., "Explaining and Harnessing Adversarial Examples," International Conference on Learning Representations (ICLR), San Diego, CA, USA, 2015, pp. 1-11.
  3. Kurakin, A., Goodfellow, I., Bengio, S., "Adversarial Machine Learning at Scale," International Conference on Learning Representations (ICLR), Toulon, France, 2017, pp. 1-17.
  4. Zhu, J., Kaplan, R., Johnson, J., Fei-Fei, L., "Hidden: Hiding Data with Deep Networks," Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 2019, pp. 1-9.
  5. Luo, X., Zhu, J., Duan, J., "Robust Adversarial Watermarking for Deep Neural Networks," IEEE Transactions on Multimedia, Vol. 22, No. 12, 2020, pp. 2993-3004.
  6. Chen, C., Weng, R., "Robust Data Hiding Using Inverse Gradient Attention," IEEE Access, Vol. 7, 2019, pp. 168179-168191.