Deep Learning for Multimodal Security and Misinformation Detection
연구 내용
IIoT 보안 위협을 분류하고 비전-언어 지식을 상호작용해 디스인포메이션을 탐지하는 딥러닝 기반 신뢰성 분석 연구
5G 기반 IIoT 환경에서 악성코드를 영상 표현으로 변환하고 Convolutional neural network를 통해 공격 유형을 구분하는 분류 구조를 연구합니다. 동시에 시각 입력과 텍스트 표현의 임베딩을 통합해 vision-language knowledge interaction 형태로 의미 수준의 상호작용을 설계하고, 디스인포메이션 탐지 문제를 멀티모달 학습으로 해결합니다. 두 연구 축 모두 데이터 표현 변환과 판별을 위한 학습 전략에 초점을 두며, 신뢰성 평가를 위한 영상 기반 분석 파이프라인을 구축하는 차별성을 갖습니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 IIoT 보안 문제를 딥러닝 분류 관점에서 접근하고, 악성코드를 이미지 표현으로 매핑해 CNN 기반 판별 구조를 설계했습니다. 이후에는 멀티모달 학습으로 확장하여 비전과 언어 지식의 상호작용을 통해 디스인포메이션 탐지 성능을 높이는 방향으로 연구를 수행했습니다. 최근에는 공격 데이터 표현과 시각-언어 의미 정렬을 공통의 모델링 관점으로 연결하여 신뢰성 중심 영상 분석으로 축을 정리하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
A Multilayer Deep Learning Approach for Malware Classification in 5G-Enabled IIoT
Towards Multimodal Disinformation Detection by Vision-language Knowledge Interaction