Alapfogalmak
본 연구에서는 스폰지 공격이라는 새로운 유형의 공격을 제안한다. 이 공격은 사전 학습된 모델의 매개변수를 직접 변경하여 에너지 소비를 증가시킨다. 이 공격은 기존의 스폰지 중독 공격보다 더 효과적이며 은밀하다.
Kivonat
이 연구에서는 스폰지 공격이라는 새로운 유형의 공격을 제안한다. 기존의 스폰지 중독 공격은 입력 데이터 또는 학습 목적 함수를 변경하여 모델의 에너지 소비를 증가시켰다. 반면 이 연구에서 제안하는 스폰지 공격은 사전 학습된 모델의 매개변수를 직접 변경하여 에너지 소비를 증가시킨다.
구체적으로 다음과 같은 단계로 진행된다:
- 스파시티를 도입하는 레이어 식별
- 타깃 레이어 선정
- 타깃 레이어 활성화 값 분포 프로파일링
- 바이어스의 평균과 표준편차 계산
- 바이어스 값 증가
이 공격은 기존의 스폰지 중독 공격보다 더 효과적이며 은밀하다. 실험 결과, 이 공격은 비전 모델과 생성 모델에서 최대 11%의 에너지 소비 증가를 달성할 수 있었다. 또한 이 공격은 데이터의 1%만 사용해도 효과적이며, 모델 성능 저하를 최소화할 수 있어 은밀성이 높다.
Statisztikák
스폰지 공격을 통해 VGG16 모델의 CIFAR10 데이터셋 정확도가 91%에서 86%로 5% 감소했다.
스폰지 공격을 통해 ResNet18 모델의 GTSRB 데이터셋 정확도가 93%에서 88%로 5% 감소했다.
스폰지 공격을 통해 StarGAN 모델의 CelebA 데이터셋 SSIM 값이 0.95에서 0.95로 변화가 없었다.
Idézetek
"스폰지 공격은 사전 학습된 모델의 매개변수를 직접 변경하여 에너지 소비를 증가시킨다."
"이 공격은 기존의 스폰지 중독 공격보다 더 효과적이며 은밀하다."
"실험 결과, 이 공격은 비전 모델과 생성 모델에서 최대 11%의 에너지 소비 증가를 달성할 수 있었다."