• Proceedings of the Korean Information Science Society Conference
• /
• 2002.10c
• /
• pp.592-594
• /
• 2002

일반적으로 디지털 영상에 대한 기존 워터마킹 기법은 기하학적인 왜곡에 허약하다. 본 논문에서는 기하학적인 왜곡에 강건한 워터마킹 기법을 제안한다. 워터마킹 기법은 워터마크의 생성단계 워터마크 삽입단계, 워터마크 추출 단계로 구성된다. 워터마크 생성단계에서는 시각적으로 구별이 가능한 그레이 영상을 워터마크로 사용하며, 워터마크 삽입 단계에서는 원 영상을 콤플렉스 웨이블릿 변환하여 위상 정보에 워터마크를 삽입한다. 그리고 워터마크 추출 단계에서는 워터마크된 영상으로부터 계층적으로 워터마크를 추출하여 자기 상관관계 비교에 의해 워터마크를 추출한다. 실험 결과를 통하여 이동, 크기 변환, 회전과 같은 기하학적인 변형에도 워터마크가 추출되는 것을 볼 수 있다.

• Review of KIISC
• /
• v.30 no.6
• /
• pp.107-115
• /
• 2020

다양한 응용분야에서 심층신경망 기반의 학습 모델이 앞 다투어 이용됨에 따라 인공지능의 설명 가능한 동작 원리 해석과, 추론이 갖는 불확실성에 관한 분석 또한 심도 있게 연구되고 있다. 이에 심층신경망 기반 기계학습 모델의 취약성이 수면 위로 드러났으며, 이러한 취약성을 이용하여 악의적으로 모델을 공격함으로써 오동작을 유도하고자 하는 시도가 다방면으로 이루어짐에 의해 학습 모델의 강건함 보장은 보안 분야에서의 쟁점으로 부각되고 있다. 모델 추론의 입력으로 이용되는 이미지에 교란값을 추가함으로써 심층신경망의 오분류를 발생시키는 임의의 변형된 이미지를 적대적 사례라 정의하며, 본 논문에서는 최근 인공지능 및 컴퓨터비전 분야에서 이루어지고 있는 이미지 기반 적대적 사례의 생성 기법에 대하여 논한다.

• Monthly Korean Chicken
• /
• v.19 no.1
• /
• pp.86-89
• /
• 2013

• Product Safety
• /
• no.9 s.165
• /
• pp.60-61
• /
• 2007

• 월간낙농육우
• /
• v.24 no.10 s.270
• /
• pp.119-125
• /
• 2004

• Environmental engineer
• /
• s.62
• /
• pp.22-23
• /
• 1991

• The Optical Journal
• /
• v.6 no.3 s.31
• /
• pp.58-65
• /
• 1994

• 대한핵의학회:학술대회논문집
• /
• 2000.11a
• /
• pp.1-4
• /
• 2000

• 종축개량
• /
• v.12 no.4 s.74
• /
• pp.77-85
• /
• 2007

• LP가스
• /
• s.100
• /
• pp.53-61
• /
• 2005