뇌파 기반 AI 모델의 지적재산권 보호: 혁신적인 워터마킹 기술 등장!

본 논문은 뇌파 기반 AI 모델의 지적재산권 보호를 위한 혁신적인 암호화 기반 워터마킹 프레임워크를 제시합니다. 적대적 공격에도 강인한 원더 필터를 통해 높은 신뢰성과 보안성을 확보하며, 의료 및 생체 인식 분야에 안전한 솔루션을 제공합니다.

뇌파 기반 AI, 지적재산권 위협에 직면하다!

의료 진단과 뇌-컴퓨터 인터페이스 분야에서 핵심적인 역할을 하는 뇌파(EEG) 기반 신경망은 민감한 신경 생리학적 데이터와 많은 자원을 필요로 하는 개발 과정으로 인해 지적재산권(IP) 침해 위험에 취약합니다. 기존의 워터마킹 방법, 특히 추상적인 트리거 세트를 사용하는 방법은 강력한 인증 기능이 부족하고 EEG 모델의 고유한 문제점을 해결하지 못하는 한계를 가지고 있습니다.

암호화 기반 워터마킹: 놀라운 '원더 필터'의 등장!

이 논문에서는 EEG 기반 신경망에 맞춤화된 암호화 기반 원더 필터 워터마킹 프레임워크를 소개합니다. 충돌 방지 해싱 및 공개 키 암호화를 활용하는 원더 필터는 학습 과정에 워터마크를 삽입하여 왜곡을 최소화(EEG 작업 정확도 5% 이하 감소)하고 높은 신뢰성(100% 워터마크 탐지)을 보장합니다.

주요 특징:

• 강력한 보안: 미세 조정, 전이 학습, 뉴런 가지치기 등의 적대적 공격에도 워터마크가 지속적으로 유지됩니다. 공격적인 가지치기 후에도 워터마킹된 상태의 분류 정확도는 90% 이상을 유지하며, 주요 작업 성능은 더 빨리 저하되어 제거 시도를 억제합니다. 두 번째 워터마크를 심으려면 EEGNet 및 CCNN 모델에서 10% 이상의 심각한 정확도 손실이 발생합니다.
• 높은 신뢰성: 암호화 해싱을 통해 인증이 보장되고 무차별 대입 공격의 성공 확률이 감소합니다. DEAP 데이터셋에서 CCNN, EEGNet, TSception 모델에 대한 평가 결과, 99.4% 이상의 null-embedding 정확도를 달성하여 위양성을 효과적으로 제거합니다.

결론: 안전하고 위조 방지가 가능한 솔루션

EEG 특정 적응 기능과 통합된 원더 필터를 통해 이 연구는 신경 생리학적 모델의 IP 보호에 있어 중요한 격차를 해소하고 의료 및 생체 인식 애플리케이션에 안전하고 위조 방지가 가능한 솔루션을 제공합니다. 적대적 수정에 대한 프레임워크의 강력한 내성은 진단 유용성을 유지하면서 민감한 EEG 모델을 보호할 수 있는 잠재력을 강조합니다.