텍스트 트랜스포머 모델에서 어텐션 맵을 이용한 경사도 기반 화이트 박스 적대적 예제 생성 방안
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 신초별 | - |
dc.contributor.author | 문종섭 | - |
dc.date.accessioned | 2022-03-05T14:40:46Z | - |
dc.date.available | 2022-03-05T14:40:46Z | - |
dc.date.created | 2022-03-02 | - |
dc.date.issued | 2021 | - |
dc.identifier.issn | 1598-2009 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/137874 | - |
dc.description.abstract | 트랜스포머 모델의 텍스트 데이터에 대한 적대적 예제 생성 방법은 텍스트 데이터의 이산적인 특징 때문에 블랙박스 공격 방법이 대부분이었다. 최근 트랜스포머 모델의 텍스트 데이터를 대상으로 한 경사도 기반 화이트박스 공격 방법이 발표되었는데 이는 하나의 예제 생성 마다 하나의 분포를 학습시키기 때문에 시간이 오래 걸려 효율적이지 못하다는 단점이 있다. 본 논문은 트랜스포머 모델의 어텐션 구조를 이용한 어텐션 제약조건을 제안하여 기존 화이트 박스 공격방법의 효율성을 높인다. 실험을 통해 기존의 연구결과보다 생성 시간을 6.5% 가량 단축시킬 수 있으며 생성되는 적대적 예제의 생성률을 2.4% 높일 수 있음을 입증하였다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국디지털콘텐츠학회 | - |
dc.title | 텍스트 트랜스포머 모델에서 어텐션 맵을 이용한 경사도 기반 화이트 박스 적대적 예제 생성 방안 | - |
dc.title.alternative | A Gradient Based Adversarial Example Method Using Attention Map Against Text Transformer Model | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 문종섭 | - |
dc.identifier.bibliographicCitation | 디지털콘텐츠학회논문지, v.22, no.12, pp.2019 - 2026 | - |
dc.relation.isPartOf | 디지털콘텐츠학회논문지 | - |
dc.citation.title | 디지털콘텐츠학회논문지 | - |
dc.citation.volume | 22 | - |
dc.citation.number | 12 | - |
dc.citation.startPage | 2019 | - |
dc.citation.endPage | 2026 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002793693 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | Adversarial example | - |
dc.subject.keywordAuthor | Deep learning | - |
dc.subject.keywordAuthor | Text data | - |
dc.subject.keywordAuthor | Transformer | - |
dc.subject.keywordAuthor | Whitebox | - |
dc.subject.keywordAuthor | 딥러닝 | - |
dc.subject.keywordAuthor | 적대적 예제 | - |
dc.subject.keywordAuthor | 텍스트 데이터 | - |
dc.subject.keywordAuthor | 트랜스포머 | - |
dc.subject.keywordAuthor | 화이트박스 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
145 Anam-ro, Seongbuk-gu, Seoul, 02841, Korea+82-2-3290-2963
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.