INFORMATION SECURITY  &   AI SECURITY LAB

권태경 교수님 지도하에 저희 정보보호/AI보안 연구실은 정보보호 및 보안에 관한 다양한 주제를 연구하고 있습니다. 

최근 생성형 인공지능(AI)의 발달에 따라 해당 분야에 대한 보안의 필요성 역시 함께 성장하고 있습니다. 저희 연구실은 이러한 사회적 필요성에 발맞춰 "Actual Risk"와 "User Perception" 의 균형을 이루는 연구를 지향하며, 특히 생성형 AI 보안 및 딥페이크 탐지 연구를 중심으로 AI 보안 전반을 다루고 있습니다.

저희 연구실은 생성형 AI의 보안 취약점을 분석하고 이에 대한 방어 기법을 개발하며, 적대적 머신러닝(Adversarial Machine Learning) 기법을 활용해 딥러닝 모델의 보안성을 강화하는 연구를 수행합니다. 또한, 딥페이크 탐지 및 방어 기술을 연구하고, 데이터 품질이 탐지 모델의 성능에 미치는 영향을 분석하여 보다 신뢰성 있는 보안 기법을 개발합니다. 이와 함께 소프트웨어 및 시스템 보안, 프로그래밍 언어 및 인터프리터 보안, 네트워크 및 인증 보안 등 다양한 분야의 연구를 진행하며, 퍼징(Fuzzing)과 심볼릭 실행(Symbolic Execution)을 활용한 보안 취약점 탐지, 코드 분석 및 자동화된 취약점 탐지 기술, 지속적인 사용자 인증(Continuous Authentication) 기법 개발 등을 통해 AI 기반 보안 기술의 발전에 기여하고자 합니다.

저희 연구실은 컴퓨터공학, 통계학, 수학 등 다양한 배경을 가진 정보 보호 인재들로 구성되어 있으며 정보화 사회에서 필요한 학문과 실무능력을 갖춘 정보보호 전문가가 되는 것을 목표로 연구와 학업에 대한 노력을 경주하며 다양한 연구 결과를 발표하고 있습니다.

Latest News

• 2025 IEEE TSC - “A Continuous Authentication Framework for Securing Metaverse Identities,”

• 2024 AISec – “Adversarial Feature Alignment: Balancing Robustness and Accuracy in Deep Learning via Adversarial Training,” 

• 2024  ICISC – “Enhancing Differential Fuzzing of Cryptographic Libraries with Sustainable Hybrid Fuzzing and Crypto-Specific Mutation,” (Best Paper Award)

• 2024 ISSTA – “Fuzzing JavaScript Interpreters with Coverage-Guided Reinforcement Learning for LLM-based Mutation,” 

• 2024 WISA – “Enhancing Robustness in NIDS via Coverage Guided Fuzzing and Adversarial Training,” 

• 2024 WDC – “On the Correlation Between Deepfake Detection Performance and Image Quality Metrics,” 

• 2024 보안뉴스 교수님 기고문 “생성형 AI와 딥페이크 그리고 가짜뉴스: 새로운 디지털 위협의 시대” 

• 2024 IEEE Access – “On the Impact of Deployment Errors in Location-based Key Predistribution Protocols for Wireless Sensor Networks,”

• 2024 IEEE Access – “Coexistence of Deepfake Defenses: Addressing the Poisoning Challenge,”  

• 2023 USENIX Security – “BoKASAN: Binary-only Kernel Address Sanitizer for Effective Kernel Fuzzing,”