적대적 공격은 딥러닝 보안 분야에서 매력적인 연구 주제였으나, 최근 연구에서는 스파이킹 신경망(SNNs)이 기존의 딥 신경망(DNNs)보다 공격에 대해 더 강건할 수 있다고 제안하였다. 본 연구는 강건성을 향상시키기 위해 SNNs와 서포트 벡터 머신(Support Vector Machine)을 통합한 하이브리드 모델을 제안하며, 주로 정확도 성능을 개선하기 위해 채택하였다. 실험 연구 결과, 하이브리드 모델은 바닐라 SNN 모델뿐만 아니라 기존의 DNN 모델보다 더 나은 성능을 보였고, 보안 분야에서 하이브리드 모델의 잠재력을 보여주었다. 또한 본 연구는 다양한 공격 강도 하에서 내부 매개변수를 변화시켜 SNNs의 강건성에 대한 실험적 분석을 제공한다. 실험 결과는 특히 강한 공격 조건에서 매개변수를 신중하게 선택할 경우 강건성 성능이 5배 이상 향상됨을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.