본 논문은 시각적 조작의 악의적 활용으로 인한 위협을 해결하기 위해 지식 기반의 적대적 방어 기법인 KGAD(Knowledge-Guided Adversarial Defense)를 제안합니다. 기존의 데이터 기반 방식이 저수준 특징 공간에서의 왜곡에 그치는 한계를 극복하고자, 도메인 특정 지식 수준에서 의미론적 혼란을 유발하는 적대적 노이즈를 생성합니다. 시각적 인지와 밀접한 관련이 있는 지표를 사용하여 일반적인 픽셀 단위 지표를 대체하고, 악의적 조작 모델이 의미적으로 혼란스러운 샘플을 출력하도록 유도합니다. 실험 결과, 제안된 방법이 기존 최첨단 방식보다 우수한 보호 성능과 일반화 성능을 보임을 확인했습니다.
