메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
최민영 (조선대학교) 김현일 (조선대학교)
저널정보
한국정보보호학회 정보보호학회논문지 정보보호학회논문지 제35권 제1호
발행연도
2025.2
수록면
99 - 108 (10page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
프라이버시 규제가 강화됨에 따라 사용자 데이터를 중앙 서버에 저장하지 않고 분산된 환경에서 학습할 수 있는 연합학습(Federated learning)이 중요한 기술로 주목받고 있다. 그러나 연합학습은 분산된 특성상 다양한 공격에 노출되기 쉬우며, 그 중 특히 백도어 공격에 취약하다. 본 논문에서는 이러한 백도어 공격을 방어하기 위해 약한 차분 프라이버시(Weak differential privacy) 기법을 적용하고, Multi-Krum, Norm Clipping과 같은 다양한 방어 기법과 결합하여 그 효과를 분석하였다. Reddit 데이터셋과 LSTM, GPT-2 모델을 활용해 다양한 크기의 노이즈를 적용한 실험을 통해 차분 프라이버시의 방어 효과를 평가한 결과, 프라이버시 보호를 위해 필요한 수준보다 적은 양의 노이즈로도 효과적인 방어가 가능함을 확인하였고, 다른 방어 기법과 결합할 때 방어 성능이 더욱 향상됨을 발견하였다. 해당 연구는 연합학습 환경에서 모델 성능을 유지하면서도 백도어 공격을 방어할 수 있는 최적의 노이즈 설정이 중요함을 강조하며, 차분 프라이버시와 다양한 방어 기법의 결합이 백도어 방어에 실용적임을 시사한다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 배경 및 관련 연구
Ⅲ. 약한 차분 프라이버시를 활용한 연합학습 백도어 공격 방어
Ⅳ. 실험 결과 및 분석
Ⅴ. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092352067