인공지능 공격 기술, 사례 및 완화대책
김종배급속히 발전하는 인공지능 시대, 우리는 새로운 형태의 보안 위협에 직면하고 있습니다. 본서는 AI 시스템을 겨냥한 다양한 공격 기법과 이에 대응하는 실질적인 방어 전략을 체계적으로 다룬 종합 가이드입니다.
머신러닝 모델에 대한 적대적 공격(Adversarial Attack)부터 데이터 오염(Data Poisoning), 모델 역공학(Model Inversion)에 이르기까지, AI 시스템이 직면한 보안 취약점들을 깊이 있게 분석합니다. 특히 MITRE ATLAS 프레임워크를 기반으로 한 체계적인 분류와 분석을 통해 독자들이 AI 보안 위협을 명확하게 이해할 수 있도록 구성했습니다.
대상 독자
AI/ML 시스템 개발자 및 엔지니어
정보보안 전문가 및 보안 관리자
AI 거버넌스 및 리스크 관리 담당자
사이버보안 연구자 및 학생
AI 기술을 도입하려는 기업의 의사결정자
AI가 우리 일상과 비즈니스에 깊숙이 스며든 지금, AI 보안은 선택이 아닌 필수입니다. 본서를 통해 AI 시스템의 보안 취약점을 이해하고, 효과적인 방어 전략을 수립하여 안전하고 신뢰할 수 있는 AI 환경을 구축하는 데 도움이 되기를 바랍니다.
머신러닝 모델에 대한 적대적 공격(Adversarial Attack)부터 데이터 오염(Data Poisoning), 모델 역공학(Model Inversion)에 이르기까지, AI 시스템이 직면한 보안 취약점들을 깊이 있게 분석합니다. 특히 MITRE ATLAS 프레임워크를 기반으로 한 체계적인 분류와 분석을 통해 독자들이 AI 보안 위협을 명확하게 이해할 수 있도록 구성했습니다.
대상 독자
AI/ML 시스템 개발자 및 엔지니어
정보보안 전문가 및 보안 관리자
AI 거버넌스 및 리스크 관리 담당자
사이버보안 연구자 및 학생
AI 기술을 도입하려는 기업의 의사결정자
AI가 우리 일상과 비즈니스에 깊숙이 스며든 지금, AI 보안은 선택이 아닌 필수입니다. 본서를 통해 AI 시스템의 보안 취약점을 이해하고, 효과적인 방어 전략을 수립하여 안전하고 신뢰할 수 있는 AI 환경을 구축하는 데 도움이 되기를 바랍니다.
