문제2) 머신러닝 보안 취약점에 대하여 설명하시오. 가. 머신러닝 학습과정에서의 적대적 공격 4 가지 나. 각각 적대적 공격의 방어기법 답) 1. 머신러닝의 적대적 공격 개요 정의 러닝의 심층신경망을 이용한 모델에 적대적 교란(Adversarial Perturbation)을 적용하여 오분류를 발생시키는 공격기술 유형 적대적 공격은 AI를 활용하고 있는 다양한 분야에 위협이 되고 있음. 머신러닝 학습 과정에서 악의적인 학습 데이터를 주입해 머신러닝 모델을 망가뜨리는 중독 공격(Poisoningattack), 머신러닝 모델의 추론 과정에서 데이터를 교란해 머신러닝을 속이는 회피 공격(Evasion attack), 역공학을 이용해 머신러닝 모델이나 학습 데이터를 탈취하는 모델 추출 공격(Model extrac..

문제1) 머신 러닝(Machine Learning)에서 활용되는 의사결정나무(Decision Tree)모델을 설명하시오. 답) 1. 스무고개 놀이, 의사결정나무(Decision Tree)모델의 개념 정의 의사결정 규칙을 나무 구조로 나타내어 전체 자료를 몇 개의 소집단으로 분류(classification)하거나 예측(prediction)을 수행하는 분석방법 설명변수(X) 간의 관계나 척도에 따라 목표변수(Y)를 예측하거나 분류하는 문제에 활용되는 나무 구조의 모델 구성 요소 root node 의사결정 Tree가 시작되는 노드 child node 하나의 마디로부터 분리되어 나간 2개 이상의 노드 parent node 주어진 마디의 상위 노드 terminal node 더 이상 분기가 되지 않아 자식 마디가 ..

문제4) 최근 인공지능 기술 활용이 증가하면서 다양한 보안 위협이 증가하고 있다. 이와 관련하여 아래 사항들에 대하여 설명하시오. 1) 머신러닝 학습과정에서의 적대적 공격 4가지와 방어기법 2) 생성형 언어모델 기반의 인공지능 기술 활용 시 발생할 수 있는 보안취약점 답) 1. 머신러닝의 적대적 공격 개요 정의 러닝의 심층신경망을 이용한 모델에 적대적 교란(Adversarial Perturbation)을 적용하여 오분류 를 발생시키는 공격기술 유형 적대적 공격은 AI를 활용하고 있는 다양한 분야에 위협이 되고 있음. 머신러닝 학습 과정에서 악의적인 학습데이터를 주입해 머신러닝 모델을 망가뜨리는 중독 공격(Poisoning attack), 머신러닝 모델의 추론 과정에서 데이터를 교란해 머신러닝을 속이는 회..

문제9) 머신러닝 최적화 알고리즘 (Optimization Algorithm) 유형 및 장단점 답) 1. 효율 최적화를 위한, 머신러닝 최적화 알고리즘의 개요 머신 러닝 오차 최소화를 위해 예측값의 손실함수 값을 줄이도록 가중치와 편향값을 조절하여 비용 함수의 최소값을 찾는 알고리즘 2. 머신러닝 최적화 알고리즘의 유형 및 장단점 가. 머신러닝 최적화 알고리즘 유형 머신 러닝 성능 향상을 위해 옵티마이저는 스텝 방향, 스텝 사이즈 두 가지 측면에서 지속적 발전 나. 머신러닝 최적화 알고리즘 유형별 장단점 유형 장단점 Stochastic Gradient Decent 장점 학습률을 기준으로 손실함수(Loss Function) 그래프의 경사를 따라내려 가면서 가중치를 Update하는 옵티마이저 단점 오버슈팅 ..

문제7) 머신러닝(Machin Learning)과 딥러닝(Deep Learning) 차이 답) 1. 머신러닝과 딥러닝의 개념 비교 머신러닝 딥러닝 입력된 데이터를 스스로 학습하여 결과를 예측하거나 분류하는 기술 머신러닝 기술 중 하나인 인공신경망에서 히든레이어를 깊게 쌓아 만든 기술 2. 머신러닝과 딥러닝의 상세 차이점 설명 가. 머신러닝과 딥러닝의 범위 차이 인공지능은 머신러닝과 딥러닝을 포함하며, 머신러닝에 딥러닝이 포함 나. 머신러닝과 딥러닝의 세부 내용 비교 항목 머신러닝 딥러닝 구성 지도학습, 비지도학습, 강화학습 인공신경망 주요 알고리즘 SVM, KNN, PCA, 회귀분석, 인공신경망 등 MLP, CNN, RNN, LSTM, GAN 등 기반 인공지능 및 통계학 기반 인공지능 및 머신러닝 기반 ..

문제5) K-means Clustering과 DBSCAN(Density-Based Spatial Clustering of Application with Noise)개념,구성요소, 장/단점 답) 1. 중심기반 군집화 K-평균 알고리즘(K-Means) 구분 공식 설명 개념 n개의 데이터를 K개의 군집으로 분류하기 위해 거리 기반으로 반복적으로 계산해 나가는Clustering 알고리즘 개념도 구성 요소 K 값 클러스팅하여 묶을 클러스터의 개수 Centroid 클러스터링을 할 중심 값 장점 짧은 계산 시간 간단한 알고리즘에 빠른 연산 가능 탐색적 방법 탐색적 방법을 사용하여 대용량 데이터에 적합 데이터 다양화 다양한 데이터의 적용 가능 가중치, 거리 정의 적절한 가중치와 거리의 정의가 필요 단점 초기 클러스터링..

문제1) 음성데이터 마이닝의 정의, 목적, 주요 기술, 활용 가능 분야, 발전 방향에 대하여 기술하시오. 답) 1. 음성데이터 마이닝의 정의와 목적 정의 콜 센터 등의 비정형 데이터인 대량의 음성 데이터를 정련하여 정형 데이터로 변환하고 분류, 군집화, 회귀분석, 이상탐지 등의 기법으로 유의미한 정보를 추출하는 분석기법 음성데이터 마이닝을 음성인식을 통해 텍스트로 변환된 데이터를 수집하여 전처리를 통해 분석을 통해 의미 있는 결과도출을 하는 과정 구성도 목적 빅데이터 중 비정형 데이 터 규모(volume) 증가 빅데이터 환경에서 거의 80% 이상이 비정형 데이터이므로, 빅데이터 분석 시 비정형 데이터 분석 요구 증가 대용량 실시간(velocity) 데 이터 증가 동영상, 실시간 스트리밍 데이터 폭증에 따..

문제1) 데이터 마이닝 기법 중 아래 기법에 대하여 설명하시오. 가. K-means Clustering 나. DBSCAN(Density Based Spatial Clustering of Applications with Noise) 다. SVM(Support Vector Machine) 답) 1. 중심기반 군집화 K-평균 알고리즘(K-Means) 가. 중심기반 군집화 K-평균 알고리즘(K-Means)의 개념 정의 n개의 데이터를 K개의 군집으로 분류하기 위해 거리 기반으로 반복적으로 계산해 나가는 Clustering 알고리즘 개념도 나. K-평균 알고리즘(K-Means)의 구성 요소와 절차 항목 세부 항목 설명 구성요소 K 값 클러스팅하여 묶을 클러스터의 개수 Centroid 클러스터링을 할 중심 값 수행..

문제6) 인공지능(AI)에서 윤리의 필요성 및 선진국의 정책 동향을 설명하고, 바람직한 AI 윤리정책 수립 시 고려 사항에 대하여 설명하시오. 답) 1. 인공지능(AI)에서 윤리의 필요성 가. 인공지능 윤리의 개념 인공지능(AI) 기술을 활용하는 정부와 공공기관, 기업, 이용자 등 사회 전체 구성원이 인공지능 개발~활용 전 단계에서 함께 지켜야 할 윤리 원칙 나. 인공지능(AI) 윤리의 필요성 인공지능의 특성을 감안한 필요성 인공지능의 자율성과 우월한 지능이라는 특성은 인공지능이 발전함에 따라 인간과 대등한 지식을 축적하거나 더 나아가 인간의 지식과 예측, 제어를 뛰어넘는 상황을 야기할 수도 있음 이미 발생한 사건에 근거한 필요성 이미 발생한 여러 사례(자율주행자동차 사고, 로보어드바이저의 주식투자손실,..

문제4) 인공지능(AI) 기술이 확산됨에 따라 개인정보 침해 등 다양한 사회적 문제 발생 우려가 높아졌다. 이를 대응 하기 위하여, 최근 개인정보보호위원회에서 인공지능(AI) 개인정보보호 자율점검표를 확정하였다. 인공지능(AI) 개인정보보호 자율점검표의 원칙과 총괄흐름도를 설명하시오. 답) 1. 안전한 개인정보 활용, 인공지능(AI) 개인정보보호 자율점검표 추진배경 및 활용대상 가. 추진배경 지능정보사회에서 인공지능(AI) 기술이 적용된 새로운 서비스가 도입·확산됨에 따라 개인정보 침해 등 다양한 사회적 문제 발생 우려(AI 기술·서비스의 개발·운영(이하 ‘AI 개발·운영’이라 한다) 시 개인정보 처리의 안전성과 신뢰성 확보 필요) AI 개발·운영에 참여하는 자(이하 ‘AI 개발자·운영자’라 한다)의 개..