맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

이미지 적대적 공격에 대비하기 위한 이미지 학습 장치 및 방법

  • 기술번호 : KST2022016114
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
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 이미지 적대적 공격에 대비하기 위한 이미지 학습 장치 및 방법이 개시된다. 개시된 장치는, 정상적인 이미지를 입력받아 신경망 연산을 통해 상기 정상적인 이미지에 대한 제1 픽셀별 필터 가중치를 설정하는 제1 학습부; 상기 제1 학습부와는 독립적으로 학습되며, 상기 정상적인 이미지에 적대적 공격에 의해 노이즈를 부가한 이미지를 입력받아 신경망 연산을 통해 제2 픽셀별 필터 가중치를 설정하는 제2 학습부; 상기 제1 픽셀별 필터 가중치로부터 상기 제2 픽셀별 필터 가중치를 픽셀별로 차감하여 제3 픽셀별 필터 가중치를 생성하는 차감부를 포함한다. 개시된 장치 및 방법에 의하면, 이미지의 특징에 기반하여 인공 신경망의 필터 가중치 조절을 통해 이미지의 적대적 공격에 대해 효율적으로 대비할 수 있는 장점이 있다.
Int. CL G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06N 3/08(2013.01) G06N 3/0454(2013.01) G06T 2207/20081(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020210015144 (2021.02.03)
출원인 한양대학교 산학협력단
등록번호/일자
공개번호/일자 10-2022-0111857 (2022.08.10) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.02.03)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 대한민국 서울특별시 성동구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 정기석 서울특별시 성동구
2 임현택 서울특별시 성동구
3 박상기 서울특별시 성동구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 민영준 대한민국 서울특별시 강남구 남부순환로 ****, *층(도곡동, 차우빌딩)(맥스국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
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		 2021.02.03 수리 (Accepted) 1-1-2021-0138078-15
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
정상적인 이미지를 입력받아 신경망 연산을 통해 상기 정상적인 이미지에 대한 제1 픽셀별 필터 가중치를 설정하는 제1 학습부;상기 제1 학습부와는 독립적으로 학습되며, 상기 정상적인 이미지에 적대적 공격에 의해 노이즈를 부가한 이미지를 입력받아 신경망 연산을 통해 제2 픽셀별 필터 가중치를 설정하는 제2 학습부;상기 제1 픽셀별 필터 가중치로부터 상기 제2 픽셀별 필터 가중치를 픽셀별로 차감하여 제3 픽셀별 필터 가중치를 생성하는 차감부를 포함하는 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 장치
2 2
제1항에 있어서, 상기 제3 픽셀별 필터 가중치 중 음의 값을 가지는 가중치를 0으로 조정하는 가중치 조정부를 더 포함하는 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 장치
3 3
제1항에 있어서, 제1 학습부 및 제2 학습부는 클래스 인식을 학습하는 네트워크이며, 상기 제1 학습부 및 상기 제2 학습부는 동일한 신경망 구조 및 동일한 신경망 파라미터를 가지는 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 장치
4 4
제3항에 있어서, 상기 제1 학습부 및 상기 제2 학습부 각각은신경망 연상을 통해 특징맵을 생성하는 특징맵 생성 네트워크;상기 생성된 특징맵에 대한 신경망 연산을 통해 클래스별 확률 정보를 생성하는 FC 네트워크; 및상기 FC 네트워크의 출력을 정답 라벨과 비교하여 손실을 역전파하는 손실 역전파부를 포함하고, 상기 제1 픽셀별 필터 가중치 및 상기 제2 픽셀별 필터 가중치는 상기 특징맵 생성 네트워크의 가중치인 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 장치
5 5
정상적인 이미지를 입력받아 제1 학습부의 신경망 연산을 통해 상기 정상적인 이미지에 대한 제1 픽셀별 필터 가중치를 설정하는 단계(a);상기 정상적인 이미지에 적대적 공격에 의해 노이즈를 부가한 이미지를 입력받아 상기 제1 학습부와는 독립적으로 학습되는 제2 학습부의 신경망 연산을 통해 제2 픽셀별 필터 가중치를 설정하는 단게(b);상기 제1 픽셀별 필터 가중치로부터 상기 제2 픽셀별 필터 가중치를 픽셀별로 차감하여 제3 픽셀별 필터 가중치를 생성하는 단게(c)를 포함하는 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 방법
6 6
제5항에 있어서, 상기 제3 픽셀별 필터 가중치 중 음의 값을 가지는 가중치를 0으로 조정하는 단게(d)를 더 포함하는 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 방법
7 7
제5항에 있어서, 제1 학습부 및 제2 학습부는 클래스 인식을 학습하는 네트워크이며, 상기 제1 학습부 및 상기 제2 학습부는 동일한 신경망 구조 및 동일한 신경망 파라미터를 가지는 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 방법
8 8
제7항에 있어서, 상기 제1 학습부 및 상기 제2 학습부 각각은신경망 연상을 통해 특징맵을 생성하는 특징맵 생성 네트워크;상기 생성된 특징맵에 대한 신경망 연산을 통해 클래스별 확률 정보를 생성하는 FC 네트워크; 및상기 FC 네트워크의 출력을 정답 라벨과 비교하여 손실을 역전파하는 손실 역전파부를 포함하고, 상기 제1 픽셀별 필터 가중치 및 상기 제2 픽셀별 필터 가중치는 상기 특징맵 생성 네트워크의 가중치인 것을 특징으로 하는 적대적 공격에 대비하기 위한 이미지 학습 방법
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 (주)네패스 한국연구재단 부설 정보통신기획평가원 / 정보통신방송 연구개발사업 / 차세대지능형반도체기술개발사업 모바일 자가 학습 가능 재귀 뉴럴 네트워크 프로세서 기술 개발