본 기사는 Zhang, Dai, Yoshioka의 논문 "LiSA: Leveraging Link Recommender to Attack Graph Neural Networks via Subgraph Injection"을 바탕으로 GNN의 취약성과 LiSA 프레임워크를 소개합니다. LiSA는 링크 추천 시스템을 악용하여 GNN을 공격하는 새로운 방식을 제시하며, 실제 데이터셋을 이용한 실험을 통해 그 효과성을 입증했습니다. 이는 AI 보안 강화의 필요성을 강조하는 중요한 연구 결과입니다.

초소형 머신러닝(TinyML) 분야의 획기적인 연구 결과로, 제한된 메모리 내에서 고성능 인간 활동 인식(HAR) 모델을 구현하여 실시간 처리 및 에너지 효율을 높였으며, 공개 데이터셋 제공을 통해 추가 연구를 지원합니다.

나영훈 연구원의 MC2SleepNet은 다중 모달 정보(EEG와 스펙트로그램)를 활용한 수면 단계 분류 모델로, 대조 학습과 교차 마스킹 기법을 통해 최첨단 성능(SleepEDF-78: 84.6%, SHHS: 88.6%)을 달성했습니다. 이는 수면 질 향상 및 수면 장애 진단에 새로운 가능성을 제시합니다.

중국과학원 연구진이 제시한 데이터 효율적인 다중 소스 전이 학습 이론적 프레임워크와 OTQMS 알고리즘은 Cramér-Rao Bound를 활용하여 최적의 소스 샘플 수량을 결정함으로써 학습 효율과 정확도를 크게 향상시켰습니다. 다양한 아키텍처와 실제 데이터셋에서의 우수한 성능 검증을 통해 데이터 기근 문제 해결에 크게 기여할 것으로 기대됩니다.

나영훈 연구팀이 개발한 PixleepFlow는 라이프로그 데이터를 이미지 데이터로 변환하여 수면의 질과 스트레스 수준을 예측하는 프레임워크입니다. XAI를 활용하여 삶의 질에 영향을 미치는 요소를 분석하고, 기존 방식보다 우수한 결과를 얻었습니다.