
208
4
부
방어
에서 설명한 방어 기법의 성능이 요약되었습니다.
표
10-1
방어 요약
방어 모델 견고성 향상 적대적 데이터 특징 제거 공격자의 지식 최소화
그레이디언트 마스킹
(
10
.
1
)
제한적 해당 없음 해당 없음
적대적 훈련(
10
.
1
) 제한적 해당 없음 해당 없음
OoD
감지(
10
.
1
) 유망하지만 보장되지 않음 해당 없음 해당 없음
무작위 드롭아웃 불확실성
측정(
10
.
1
)
유망하지만 보장되지 않음 해당 없음 해당 없음
데이터 전처리(
10
.
1
.
1
) 해당 없음 제한적 해당 없음
대상 은닉(
10
.
3
) 해당 없음 해당 없음 제한적
실제로, 적대적 공격을 성공적으로 개시하는 역량은 광범위한 처리와 보안에 의해 부과되는 몇
가지 요소에 의해 제한됩니다.
10
장에서는 구성요소인 모델과 시스템을 모두 고려합니다.
그리고
10
장은 실제 시스템의 적대적 사례에 대한 견고성을 개발할 때 유용한 실질적인 조언
으로 마무리하겠습니다(
10
.
4
참조).
10.1
모델 개선
적대적 사례로부터 모델 자체를 보호할 수 있는 일이 무엇인지 살펴보겠습니다. 예를 들어,
DNN
이 적대적 입력에 강력하도록 재훈련될 수 있을까요? 공격을 탐지하는 데 사용할 수 있
는 적대적 사례들 간에 공유되는 특성이 있을까요? 또는 알고리즘이 잘못 수행될 가능성을 예
측해 덜 확실한 결과의 신뢰도를 낮출 수 있을까요?
방어 목적으로 ...