우사이먼 교수 연구실, 전현성 석사과정 ICML 2020 국제 학술대회 논문 게재 확정
- 인공지능학과
- 조회수2245
- 2020-06-05
데이터기반 융합 보안 연구실(DASH Lab: https://dash-lab.github.io 우사이먼 교수), 전현성 학생(1 저자, 인공지능학과 석사과정)과 방영오 학생(2 저자, 인공지능학과 석사과정)이 인공지능 및 기계학습 분야 최우수학회인 International Conference on Machine Learning (ICML) 2020 (BK CS IF=4)에 “T-GD: Transferable GAN-generated Images Detection Framework” 논문을 게재 확정하였다. (채택률 21.8%)
본 논문에서는 적대적 생성 신경망(GAN)으로 생성된 매우 현실적인 이미지를 탐지할 수 있는 딥러닝 기반 모델의 전이 학습(Transfer Learning) 방법을 제시하였으며, 기존의 탐지 모델이 가지는 학습된 단일 데이터에서만 성능이 높은 과적합 문제를 해결하였다.
연구팀은 사전 훈련된 탐지 모델의 기존 지식을 망각하지 않고, 소량의 데이터로 새롭게 훈련하는 지식을 익히도록 하는 훈련 규제 방법(L2-SP)에 모델 스스로 학습의 강도를 조절할 수 있는 자가학습(Self-training) 방법을 제안하였다. 또한, 생성 이미지 탐지 분야에 적합한 데이터 증강(Data Augmentation) 알고리즘을 고안하였다. 그 결과, 얼굴 생성 이미지와 얼굴 외의 생성 이미지(풍경, 동물)도 탐지할 수 있는 일반화된 높은 전이 학습 성능을 달성하였다.
제안 방법은 기존의 딥러닝 기반 탐지 모델에 손쉽게 적용할 수 있으며, 기존 지식의 망각을 최소화하며 새로운 적대적 생성 신경망의 생성 이미지를 탐지할 수 있다. 본 방법론을 적용하여 최근 ‘딥 페이크’와 같은 보안 위협에 대응할 수 있는 사회적 효과를 가질 것으로 기대된다.
[논문] Hyeonseong Jeon, Youngoh Bang, Junyaup Kim, and Simon S. Woo. "T-GD: Transferable GAN-generated Images Detection Framework.". Thirty-seventh International Conference on Machine Learning (ICML). 2020.
본 연구는 과학기술정보통신부(MSIT)의 재원으로 정보통신기획평가원(IITP)의 지원(No.2019-0-00421, AI Graduate School Support Program(Sungkyunkwan University)과 한국연구재단(NRF)의 지원(No. 2017R1C1B5076474, and 2020R1C1C1006004), 정보통신산업진흥원(NIPA)의 지원(HPC Support)을 받아 완성되었다.