http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
금융데이터의 성능 비교를 통한 연합학습 기법의 효용성 분석
장진혁,안윤수,최대선,Jang, Jinhyeok,An, Yoonsoo,Choi, Daeseon 한국정보보호학회 2022 정보보호학회논문지 Vol.32 No.2
Current AI technology is improving the quality of life by using machine learning based on data. When using machine learning, transmitting distributed data and collecting it in one place goes through a de-identification process because there is a risk of privacy infringement. De-identification data causes information damage and omission, which degrades the performance of the machine learning process and complicates the preprocessing process. Accordingly, Google announced joint learning in 2016, a method of de-identifying data and learning without the process of collecting data into one server. This paper analyzed the effectiveness by comparing the difference between the learning performance of data that went through the de-identification process of K anonymity and differential privacy reproduction data using actual financial data. As a result of the experiment, the accuracy of original data learning was 79% for k=2, 76% for k=5, 52% for k=7, 50% for 𝜖=1, and 82% for 𝜖=0.1, and 86% for Federated learning.
그래디언트 기반 재복원공격을 활용한 배치상황에서의 연합학습 프라이버시 침해연구
장진혁(Jinhyeok Jang),류권상(Gwonsang Ryu),최대선(Daeseon Choi) 한국정보보호학회 2021 정보보호학회논문지 Vol.31 No.5
최근 데이터로 인한 개인정보 침해로 인해 연합학습이 이슈화되고 있다. 연합학습은 학습데이터를 요구하지 않기 때문에 프라이버시 침해로부터 안전하다. 이로 인해 분산된 디바이스, 데이터를 활용하여 효율을 내기 위한 응용 방법에 대한 연구들이 진행되고 있다. 그러나 연합학습과정에서 전송되는 그래디언트로부터 학습데이터를 복원하는 재복원공격에 대한 연구가 진행됨에 따라 더는 연합학습도 안전하다고 볼 수 없다. 본 논문은 다양한 데이터 상황에서 데이터 복원 공격이 얼마나 잘되는지 수치적, 시각적으로 확인하는 것이다. 데이터가 1개만 존재할 때부터 크게는 클래스 안에 데이터가 여러 개 분포해 있을 때로 나누어 재복원공격이 얼마나 되는지 확인을 위해 MSE, LOSS, PSNR, SSIM인 평가지표로 MNIST 데이터를 활용해 수치로 확인한다. 알게 된 사실로 클래스와 데이터가 많아 질수록 MSE, LOSS,이 높아지고 PSNR, SSIM이 낮아져 복원성능이 떨어지지만 몇 개의 복원된 이미지로 충분히 프라이버시 침해가 가능하다는 것을 확인할 수 있다. Recently, Federated learning has become an issue due to privacy invasion caused by data. Federated learning is safe from privacy violations because it does not need to be collected into a server and does not require learning data. As a result, studies on application methods for utilizing distributed devices and data are underway. However, Federated learning is no longer safe as research on the reconstruction attack to restore learning data from gradients transmitted in the Federated learning process progresses. This paper is to verify numerically and visually how well data reconstruction attacks work in various data situations. Considering that the attacker does not know how the data is constructed, divide the data with the class from when only one data exists to when multiple data are distributed within the class, and use MNIST data as an evaluation index that is MSE, LOSS, PSNR, and SSIM. The fact is that the more classes and data, the higher MSE, LOSS, and PSNR and SSIM are, the lower the reconstruction performance, but sufficient privacy invasion is possible with several reconstructed images.
GPS 궤도오차의 기저선 거리에 따른 시선각 벡터 투영오차 분석
장진혁(JinHyeok Jang),안종선(JongSun Ahn),부성춘(Sung-Chun Bu),이철수(Chul-Soo Lee),성상경(SangKyung Sung),이영재(Young Jae Lee) 한국항공우주학회 2017 韓國航空宇宙學會誌 Vol.45 No.4
오늘날 다양한 나라에서 위성항법시스템을 운용, 개발하고 있다. 또한 GNSS의 성능향상을 위해 정지궤도위성을 이용하는 SBAS가 운용 중에 있다. 가장 대표적으로 사용되는 SBAS는 미국에서 개발한 GPS의 WAAS이다. SBAS에서는 사용자에게 정확성, 가용성, 연속성, 무결성을 보장하기 위해 다양한 알고리즘이 사용되고 있다. 이 중 위성에 대한 무결성을 보장하기 위한 알고리즘이 있다. 이 알고리즘은 위성오차를 추정하고 보정정보를 생성하여 사용자에게 제공한다. 여기서 위성궤도오차를 3차원으로 추정하게 된다. 이렇게 위성궤도오차를 3차원으로 추정하기 위해서는 기준국 배치가 중요하게 된다. 기준국의 배치가 넓을수록 시선각 벡터가 넓게 분포되어 추정 정확도가 향상될 수 있다. 여기서 대표적 SBAS 운영국인 미국과 한국의 지역적 특성으로 인한 분석을 수행하고자 한다. 한국은 미국에 비해 매우 협소한 지리적 특성을 가지고 있다. 따라서 3차원 위성궤도오차 추정 기법을 그대로 사용하기 어렵다. 본 논문에서는 협역지역에서 위성궤도오차를 3차원으로 추정하는 것이 아닌 스칼라로 값으로 사용하는 방식을 제안한다. 제안하는 기법은 기준국(Reference)과 위성간의 시선각 (LOS, Line-Of-Sight) 벡터에 궤도오차를 투영한 스칼라 값을 이용하는 것이다. 이 방식을 이용하여 정상상태, 고장상태의 한국과 미국지역에서 기저선 거리에 따른 오차 변화를 확인하도록 한다. 이 오차변화 차이를 비교하여 제안하는 기법의 사용 가능성을 제시한다. Recently, many nations are operating and developing Global Navigation Satellite System (GNSS). Also, Satellite Based Augmentation System (SBAS), which uses the geostationary orbit, is operated presently in order to improve the performance of GNSS. The most widely-used SBAS is Wide Area Augmentation System (WAAS) of GPS developed by the United States. SBAS uses various algorithms to offer guaranteed accuracy, availability, continuity and integrity to its users. There is algorithm for guarantees the integrity of the satellite. This algorithm calculates the satellite errors, generates the correction and provides it to the users. The satellite orbit errors are calculated in three-dimensional space in this step. The reference placement is crucial for this three-dimensional calculation of satellite orbit errors. The wider the reference placement becomes, the wider LOS vectors spread, so the more the accuracy improves. For the next step, the regional features of the US and Korea need to be analyzed. Korea has a very narrow geographic features compared to the US. Hence, there may be a problem if the three-dimensional space method of satellite orbit error calculation is used without any modification. This paper suggests a method which uses scalar values to calculate satellite orbit errors instead of using three-dimensional space. Also, this paper proposes the feasibility for this method for a narrow area. The suggested method uses the scalar value, which is a projection of orbit errors on the LOS vector between a reference and a satellite. This method confirms the change in errors according to the baseline distance between Korea and America. The difference in the error change is compared to present the feasibility of the proposed method.