AI나 머신러닝의 이미지 인식에 있어서 이미지 속에 인간이 감지할 수 없는 노이즈나 작은 변화를 주어 AI 알고리즘의 특성을 악용하여 잘못된 판단을 유도하는 공격은?

1. 1

   Membership inversion 공격

   오답 이유오답 보기입니다. ‘Membership inversion 공격’은(는) 이 문항의 판단 기준인 ‘Adversarial 공격’과 구별해야 합니다. 시스템 구성요소·명령·파일·권한 또는 공격 대상의 기능이 정답 조건과 다릅니다.
2. 2

   Adversarial 공격

   정답 근거정답 보기입니다. Adversarial 공격은 입력 이미지에 인간이 인지하지 못할 정도의 미세한 노이즈를 추가하여 AI 모델이 완전히 잘못된 판단을 내리도록 유도하는 공격 기법입니다.오답 노트Membership inversion: 학습 데이터 포함 여부 확인Poisoning: 학습 데이터 자체를 오염시켜 모델 손상Model inversion: 모델 질의를 통해 학습 데이터 추출
3. 3

   Poisoning 공격

   오답 이유오답 보기입니다. ‘Poisoning 공격’은(는) 이 문항의 판단 기준인 ‘Adversarial 공격’과 구별해야 합니다. 시스템 구성요소·명령·파일·권한 또는 공격 대상의 기능이 정답 조건과 다릅니다.
4. 4

   Model inversion 공격

   오답 이유오답 보기입니다. ‘Model inversion 공격’은(는) 이 문항의 판단 기준인 ‘Adversarial 공격’과 구별해야 합니다. 시스템 구성요소·명령·파일·권한 또는 공격 대상의 기능이 정답 조건과 다릅니다.