맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

딥 러닝 환경에서의 적대적 예제 생성 장치 및 방법, 컴퓨터 프로그램

  • 기술번호 : KST2019006531
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 딥 러닝 환경에서의 적대적 예제 생성 장치 및 방법, 컴퓨터 프로그램에 관한 것으로서, 신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 딥 러닝(Deep Learning)에 따라 학습된 제1 및 제2 분류기, 및 원본 데이터로부터 변환된 적대 데이터(적대적 예제, Adversarial Example)를 상기 제1 및 제2 분류기로 각각 입력하고, 상기 제1 및 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 각각 식별한 각 식별 결과를 획득한 후, 상기 획득된 각 식별 결과를 토대로, 상기 제1 분류기는 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하고, 상기 제2 분류기는 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하도록 적대 데이터를 최적화하는 변환기를 포함하는 것을 특징으로 한다.
Int. CL G06N 3/08 (2006.01.01)
CPC G06N 3/08(2013.01) G06N 3/08(2013.01) G06N 3/08(2013.01)
출원번호/일자 1020170159849 (2017.11.28)
출원인 공주대학교 산학협력단
등록번호/일자 10-2149132-0000 (2020.08.24)
공개번호/일자 10-2019-0061446 (2019.06.05) 문서열기
공고번호/일자 (20200831) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.05.02)
심사청구항수 17

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 공주대학교 산학협력단 대한민국 충청남도 공주시

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 권현 경기도 부천시 원미구
2 최대선 대전광역시 서구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인아주 대한민국 서울특별시 강남구 강남대로 ***, **,**층(역삼동, 동희빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 공주대학교 산학협력단 충청남도 공주시
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.11.28 수리 (Accepted) 1-1-2017-1181832-28
2 보정요구서
Request for Amendment		 2017.12.08 발송처리완료 (Completion of Transmission) 1-5-2017-0177503-32
3 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2018.01.08 수리 (Accepted) 1-1-2018-0019852-31
4 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022546-46
5 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022564-68
6 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022561-21
7 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022587-18
8 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022638-48
9 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022701-27
10 [특허 등 절차 취하]취하(포기)서
[Withdrawal of Procedure such as Patent, etc.] Request for Withdrawal (Abandonment)		 2018.01.08 불수리 (Non-acceptance) 1-1-2018-0022322-26
11 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008456-00
12 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008452-17
13 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008453-63
14 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008455-54
15 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008454-19
16 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008451-72
17 서류반려이유통지서
Notice of Reason for Return of Document		 2018.01.12 발송처리완료 (Completion of Transmission) 1-5-2018-0008450-26
18 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024802-70
19 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024800-89
20 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024786-26
21 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024783-90
22 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024798-74
23 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024781-09
24 서류반려통지서
Notice for Return of Document		 2018.02.13 발송처리완료 (Completion of Transmission) 1-5-2018-0024784-35
25 [심사청구]심사청구(우선심사신청)서
[Request for Examination] Request for Examination (Request for Preferential Examination)		 2019.05.02 수리 (Accepted) 1-1-2019-0451137-61
26 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.02.18 수리 (Accepted) 4-1-2020-5036312-87
27 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.23 수리 (Accepted) 4-1-2020-5136814-18
28 등록결정서
Decision to grant		 2020.08.19 발송처리완료 (Completion of Transmission) 9-5-2020-0565978-97
29 [명세서등 보정]보정서(심사관 직권보정)
 2020.08.26 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2020-5021825-09
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 딥 러닝(Deep Learning)에 따라 학습된 제1 및 제2 분류기; 및원본 데이터로부터 변환된 적대 데이터(적대적 예제, Adversarial Example)를 상기 제1 및 제2 분류기로 각각 입력하고, 상기 제1 및 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 각각 식별한 각 식별 결과를 획득한 후, 상기 획득된 각 식별 결과를 토대로, 상기 제1 분류기는 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하고, 상기 제2 분류기는 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하도록 적대 데이터를 최적화하는 변환기;를 포함하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
2 2
제1항에 있어서,상기 변환기는, 상기 원본 데이터로부터의 왜곡 정도를 더 고려하여 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
3 3
제2항에 있어서,상기 원본 데이터 및 적대 데이터는 각각 이미지 데이터이고, 상기 왜곡 정도는 상기 원본 데이터 및 적대 데이터 간의 픽셀 거리를 나타내는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
4 4
제2항에 있어서,상기 변환기는, 상기 제1 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하는 확률이 증가하고, 상기 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하는 확률이 증가하며, 상기 원본 데이터로부터의 왜곡 정도가 감소하도록 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
5 5
제4항에 있어서,상기 변환기는, 제1 내지 제3 손실 함수를 합산한 총 손실 함수의 출력값을 최소화시키는 방법을 이용하여 적대 데이터를 최적화하되, 상기 제1 손실 함수는 상기 제1 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하는 확률이 높을수록 더 낮은 값을 출력하고, 상기 제2 손실 함수는 상기 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하는 확률이 높을수록 더 낮은 값을 출력하며, 상기 제3 손실 함수는 상기 원본 데이터 대비 적대 데이터의 왜곡 정도가 낮을수록 더 낮은 값을 출력하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
6 6
제1항에 있어서,상기 변환기는, 상기 획득된 각 식별 결과를 토대로 적대 데이터를 갱신하여 상기 제1 및 제2 분류기로 각각 입력하는 과정과, 상기 제1 및 제2 분류기가 갱신된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 각각 식별한 각 식별 결과를 획득하여 적대 데이터를 갱신하는 과정을 반복적으로 수행하여 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
7 7
제1항에 있어서,상기 변환기는, 상기 제2 분류기가 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스 이외의 어느 하나의 특정 클래스를 식별하도록 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
8 8
제1항에 있어서,상기 변환기는, 상기 제2 분류기가 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스 이외의 하나 이상의 불특정 클래스를 식별하도록 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
9 9
변환기가, 신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 딥 러닝(Deep Learning)에 따라 학습된 제1 및 제2 분류기로, 원본 데이터로부터 변환된 적대 데이터(적대적 예제, Adversarial Example)를 각각 입력하는 단계;상기 변환기가, 상기 제1 및 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 각각 식별한 각 식별 결과를 획득하는 단계; 및상기 변환기가, 상기 획득된 각 식별 결과를 토대로, 상기 제1 분류기는 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하고, 상기 제2 분류기는 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하도록 적대 데이터를 갱신하는 단계;를 포함하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
10 10
제9항에 있어서,상기 적대 데이터를 갱신하는 단계에서, 상기 변환기는,상기 원본 데이터로부터의 왜곡 정도를 더 고려하여 적대 데이터를 갱신하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
11 11
제10항에 있어서,상기 적대 데이터를 갱신하는 단계에서, 상기 변환기는,상기 제1 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하는 확률이 증가하고, 상기 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하는 확률이 증가하며, 상기 원본 데이터로부터의 왜곡 정도가 감소하도록 적대 데이터를 갱신하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
12 12
제11항에 있어서,상기 적대 데이터를 갱신하는 단계에서, 상기 변환기는,제1 내지 제3 손실 함수를 합산한 총 손실 함수의 출력값을 최소화시키는 방법을 이용하여 적대 데이터를 갱신하되, 상기 제1 손실 함수는 상기 제1 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하는 확률이 높을수록 더 낮은 값을 출력하고, 상기 제2 손실 함수는 상기 제2 분류기가 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하는 확률이 높을수록 더 낮은 값을 출력하며, 상기 제3 손실 함수는 상기 원본 데이터 대비 적대 데이터의 왜곡 정도가 낮을수록 더 낮은 값을 출력하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
13 13
제9항에 있어서,상기 적대 데이터를 갱신하는 단계 이후, 상기 변환기가 상기 제1 및 제2 분류기로 상기 갱신된 적대 데이터를 각각 입력하는 단계를 더 포함하고,상기 변환기는, 상기 각 식별 결과를 획득하는 단계, 상기 적대 데이터를 갱신하는 단계, 및 상기 갱신된 적대 데이터를 입력하는 단계를 반복적으로 수행하여 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
14 14
제9항에 있어서,상기 적대 데이터를 갱신하는 단계에서, 상기 변환기는,상기 제2 분류기가 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스 이외의 어느 하나의 특정 클래스를 식별하도록 적대 데이터를 갱신하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
15 15
제9항에 있어서,상기 적대 데이터를 갱신하는 단계에서, 상기 변환기는,상기 제2 분류기가 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스 이외의 하나 이상의 불특정 클래스를 식별하도록 적대 데이터를 갱신하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 방법
16 16
신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 딥 러닝(Deep Learning)에 따라 학습된 제1 및 제2 분류 모델로, 원본 데이터로부터 변환된 적대 데이터(적대적 예제, Adversarial Example)를 각각 입력하고, 상기 제1 및 제2 분류 모델이 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 각각 식별한 각 식별 결과를 획득한 후, 상기 획득된 각 식별 결과를 토대로, 상기 제1 분류 모델은 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하고, 상기 제2 분류 모델은 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하도록 적대 데이터를 최적화하는 것을 특징으로 하는 딥 러닝 환경에서의 적대적 예제 생성 장치
17 17
하드웨어와 결합되어,신경망(Neural Network)을 통해 입력 데이터의 클래스를 식별하도록 각각 기계 학습(Machine Learning)된 제1 및 제2 분류 모델로, 원본 데이터로부터 변환된 적대 데이터(적대적 예제, Adversarial Example)를 각각 입력하는 단계;상기 제1 및 제2 분류 모델이 입력된 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 각각 식별한 각 식별 결과를 획득하는 단계; 및상기 획득된 각 식별 결과를 토대로, 상기 제1 분류 모델은 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 정상 식별하고, 상기 제2 분류 모델은 입력되는 적대 데이터를 기반으로 상기 원본 데이터의 클래스를 오식별하도록 적대 데이터를 갱신하는 단계;를 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 과학기술정보통신부 공주대학교 산학협력단 정보보호핵심원천기술개발(R＆D) 핀테크 서비스 금융사기 방지를 위한 비대면본인확인 및 이상 거래 필터링 기술
2 과학기술정보통신부 연세대학교 산학협력단 정보보호핵심원천기술개발(R＆D) 차세대 인증 기술 개발