소비자용 사물인터넷(Consumer Internet of Things, CIoT) 기기의 급속한 증가는 실시간 멀티미디어 데이터 교환을 크게 증가시켰으며, 오디오, 비디오 및 이미지 콘텐츠를 표적으로 하는 공격에 대한 취약성을 높이고 있다. 본 논문은 CIoT 환경에서 이상 탐지와 무결성 검증을 수행하는 경량 멀티태스크 프레임워크인 지식 증류를 이용한 멀티미디어 이상 및 무결성 탐지(Multimedia Anomaly and Integrity Detection using Knowledge Distillation, MAID-KD)를 제안한다. MAID-KD는 멀티미디어 스트림에서 풍부한 시공간(spatio-temporal) 특징을 추출하기 위해 Transformer 기반 교사 모델을 활용하는 한편, 엣지 배치를 위해 최적화된 소형 CNN-LSTM 학생 모델을 특징 정렬(feature alignment), 소프트 타깃 증류(soft-target distillation), 변분 프로젝션(variational projection)을 통해 학습한다. 실험 결과는 MAID-KD가 최신 기술 수준의 기준 방법들에 비해 더 높은 정확도와 F1-score를 달성함과 동시에, 모델 크기와 추론 지연(inference latency)을 60% 이상 감소시킨다는 것을 보여준다. 이러한 결과는 MAID-KD가 스마트 감시 시스템, 건강 모니터링 웨어러블, 연결형 홈 플랫폼과 같은 CIoT 기기들을 위해 확장 가능하고 개인정보 보호를 전제하며 멀티미디어 인지형 보안을 제공할 수 있음을 시사한다.

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