Earticle

초록

영어

Satellite imagery is used for critical national public applications such as defense and disaster response. Most satellite image analysis is deep learning-based and vulnerable to adversarial attacks. Even small image perturbations can lead to significant misclassification. In this study, we experiment with the effects of adversarial attacks on satellite imagery and analyze the impact of each attack on model performance. The research methodology used satellite-based river imagery (224*224 RGB), the ResNet18 model, and evaluation metrics including PSNR. The results showed that among the attack models, the PAAA, UAP, and Poisoning models are highly affected by small changes. Backdoor and Trojan models are able to stealthily infiltrate and cause malfunctions.

한국어

위성 이미지는 국방, 재난 대응 등 국가 공공의 중요한 적용에 사용된다. 대부분의 위성 이미지 분석은 딥러닝 기반이고 적대적 공격에 취약하다. 미세한 이미지 교란에도 심각한 오분류가 일어날 수 있다. 본 연구는 위성 이미지를 대상으로 적대적 공격 효과를 실험하고 각각의 공격이 모델 성능에 미치는 영향을 분석하였다. 연구 방법은 위성 기반 하천 이미지 (224*224 RGB), ResNet18 모델, 그리고 PSNR 등을 포함한 평가 지표를 사용하였다. 연구 결과는 공격 모델 가운데 PAAA, UAP, Poisoning 모델들은 작은 변화에 큰 영향을 받는 것을 확인할 수 있었다. Backdoor, Trojan 모델들은 은밀하게 침투하고 오작동을 유발할 수 있다.

목차

요약
Abstract
I. 서론
II. AI 적대적 공격 모델
1. 관련 연구
III. 위성의 하천 이미지에 대한 공격 모델들의 실험과 결과
1. AI 이미지 인식의 적대적 공격 모델들
2. 위성의 하천 이미지에 대한 적대적 공격 모델의 시험과 평가
IV. 결론
References

키워드

인공지능 적대적 공격 백도어 트로이잔 포이즈닝 이미지 인식 Artificial intelligence Adversarial attack Backdoor Trojan Poisoning Image recognition

저자

• 홍진근 [ Jin-Keun Hong | 정회원, 백석대학교 첨단IT학부 교수/미래융합기술연구소장 ] 제1저자

참고문헌

발행기관

간행물