연구동향 분석

악성코드 변종 분석을 위한 AI 모델의 Robust 수준 측정 및 개선 연구

이은규 정시온 이현우 이태진 2022년

논문상세정보
인용/피인용
' 악성코드 변종 분석을 위한 AI 모델의 Robust 수준 측정 및 개선 연구' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • adversarial attack
  • artificial intelligence
  • robustness
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
690 0

0.0%

' 악성코드 변종 분석을 위한 AI 모델의 Robust 수준 측정 및 개선 연구' 의 참고문헌

  • Zoo: Zeroth order optimization based black-box attacks to deep neural networks without training substitute models
  • Wild patterns: Ten years after the rise of adversarial machine learning
  • Towards evaluating the robustness of neural networks
  • The limitations of deep learning in adversarial settings
  • Technical report on the cleverhans v2. 1.0adversarial examples library
  • Robustness testing of ai systems: a case study for traffic sign recognition
  • Robustness and explainability of artificial intelligence
  • Robust machine learning systems : Challenges, current trends, perspectives, and the road ahead
  • On evaluating adversarial robustness
  • Foolbox: A python toolbox to benchmark the robustness of machine learning models
  • Explaining and harnessing adversarial examples
  • Explainability and adversarial robustness for rnns
  • Evaluating robustness of ai models against adversarial attacks
  • Distributed attack detection scheme using deep learning approach for Internet of Things
    Diro, A. A. [2018]
  • Deepfool : a simple and accurate method to fool deep neural networks
  • Adversarial Robustness Toolbox v1. 0.0