엣지-클라우드 분할 추론(Split Computing)에서 하드웨어 결함과 적대적 공격을 따로가 아닌 통합적으로 평가하는 프레임워크가 제안됐다. 뉴런 단위 결함 주입으로 측정하는 평균 상대 정확도 저하(MRAD)와 특징맵 기반 적대적 공격 성공률(ASR)을 결합해 통합 취약성 점수(JVS)를 도입했다. ResNet-50과 ILSVRC-2012 데이터셋을 이용한 10가지 분할 구성 실험에서 MRAD는 44.3~61.2%, ASR은 최대 98.8%까지 나타났다. 신뢰성과 보안을 따로 분석할 때는 드러나지 않던 취약점 경향이 통합 평가에서 포착됐다.
- •신뢰성(결함 주입)과 보안(적대적 공격)을 동시에 평가하는 통합 취약성 점수(JVS) 제안
- •ResNet-50 기반 10가지 분할 컴퓨팅 구성에서 MRAD 44.3~61.2%, ASR 최대 98.8% 측정
- •압축 전략에 따라 신뢰성·보안 취약성 편차가 크게 나타남
- •개별 분석으로는 보이지 않던 취약성 경향을 통합 지표로 포착
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
JASPER: Special Session on Joint Reliability And Security Assessment of SPlit Computing for Edge Robustness
- 1.분할 컴퓨팅(Split Computing)의 신뢰성과 보안을 따로 평가하던 관행을 통합 평가하는 프레임워크 제안
- 2.결함주입 기반 MRAD와 적대적공격 성공률 ASR을 결합한 '통합취약성점수(JVS)' 도입
- 3.ResNet-50 기반 10개 분할구성에서 MRAD 44.3~61.2%, ASR 최대 98.8%로 전략별 격차 확인
- 4.신뢰성·보안을 개별 분석할 때는 드러나지 않던 취약성 경향을 결합 지표로 포착
왜 중요한가?
엣지-클라우드로 추론을 나누는 분할 컴퓨팅은 중간 특징표현이 결함과 공격에 동시에 노출되는데, 두 위험을 통합 지표로 평가해 압축전략 선택 시 신뢰성과 보안을 함께 고려할 근거를 제공한다.
언급 프로젝트
분산 환경에서 엣지 기기와 클라우드 서버 간 딥러닝 추론을 분할하는 스플릿 컴퓨팅의 신뢰성과 보안을 동시에 평가하는 연구입니다. 한국 기업들이 엣지 AI 도입을 가속화하는 상황에서, 중간 데이터의 잠재적 취약점을 이해하고 강력한 보안 및 안정성 프레임워크를 구축하는 것이 중요함을 시사합니다.
본문 미리보기
arXiv:2610.04396v1 Announce Type: new Abstract: Split Computing (SC) enables efficient deployment of Deep Neural Networks (DNNs) by partitioning inference between edge devices and cloud servers. However, intermediate feature representations are simultaneously exposed to hardware faults and adversarial attacks, which are traditionally evaluated independently. This paper presents a unified framework for the joint assessment of reliability and security in Split Computing. First, reliability is cha
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
