Provenance-based Detection and Defense System Against Poisoning Attacks in Non-IID Federated Learning
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066185
교육부
한국연구재단
강원대학교
배태모
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
응용연구
대학
강원특별자치도 춘천시
정보/통신 > 정보보호 > 서비스/응용보안
본 연구에서는 Non-IID (Non-Independent and Identically Distributed) 환경의 연합학습(Federated Learning)에서 프로비넌스(Provenance)를 활용하여 포이즈닝 공격(Poisoning Attack)을 탐지하고, 대응 및 추적하는 방법을 제안하는 것을 목표로 한다.이를 위한 연구의 최종 목표는 다음과 ...
... 분포를 적용하여 사용한다. 각 라운드 종료마다 클라이언트별 모델 업데이트 정보를 수집하고, 이를 기반으로 프로비넌스를 기록한다. 기록된 프로비넌스는 위·변조 및 삭제로부터 보호하기 위해 블록체인에 저장하여 무결성을 보장한다.2. 프로비넌스 기반 구조 분석: 기록된 프로비넌스에 feature를 추출하여, 클라이언트별 update norm, 코사인 유사도, 거리 기반 변화량 등을 구한다. ...
○ 활용방안- 의료, 헬스케어 등 연합학습이 활용되는 분야에서 포이즈닝 공격을 탐지하고 대응하기 위한 보안 기술로 활용될 수 있다.- 프로비넌스를 기반으로 공격 판단의 근거를 설명하고 공격 행위를 추적할 수 있어, 신뢰 가능한 연합학습 환경의 운영 및 관리 기술로 활용될 수 있다.○ 기대효과- Non-IID 환경에서 정상 클라이언트와 공격 클라이언트를 보다...