Adversarial learning의 갈래

• Generative Adversarial Networks (GANs): GANs은 adversarial learning의 가장 대표적인 분야입니다. GANs은 두 개의 네트워크, 즉 생성 네트워크와 판별 네트워크가 서로 경쟁하며 학습하는 구조를 가집니다. 생성 네트워크는 실제 데이터와 유사한 새로운 데이터를 생성하려고 시도하고, 판별 네트워크는 주어진 데이터가 실제 데이터인지 생성 네트워크가 만든 가짜 데이터인지 판별하려고 합니다.

 

• Adversarial Attacks and Defenses: 이 갈래는 기계 학습 모델이 적대적 입력에 대해 어떻게 반응하는지 연구합니다. Adversarial attack은 일반적으로 미세한 변화를 가한 입력으로 모델을 오동작하게 만드는 방법을 찾는 것을 의미하며, 이는 모델의 취약성을 드러냅니다. 반면, adversarial defense는 이러한 적대적 공격에 대응하는 방법을 찾아냄으로써 모델의 안정성을 향상시키는 것을 목표로 합니다.

 

• Adversarial Training: 이는 모델의 강건성을 향상시키기 위한 방법으로, 일반적으로 adversarial examples를 학습 데이터에 포함시키는 방법을 포함합니다. 이는 모델이 이러한 적대적 예제에 대해 더 잘 대처하도록 합니다.

 

• Domain Adversarial Neural Networks: 이 방법은 소스 도메인에서 학습된 모델을 타겟 도메인에 적용할 수 있도록 만드는 전이 학습(transfer learning)의 한 형태입니다. 이 방법은 소스 도메인과 타겟 도메인 간의 분포 차이를 최소화하려고 하는 adversarial loss function을 이용합니다.