본 논문은 심층 신경망(DNN) 기반 시계열 분류(TSC) 모델에 대한 백도어 공격에 초점을 맞추고 있습니다. 기존의 백도어 공격들은 시계열 데이터에 비효율적인 이미지 데이터 기반 트리거를 사용하거나, 계산 비용이 높은 생성 모델을 사용하는 한계를 가지고 있습니다. 본 논문에서는 DNN 모델이 시계열 데이터의 주파수 영역 특징을 포착한다는 점에 착안하여, 주파수 영역의 부적절한 변화가 공격의 비효율성을 야기한다는 것을 분석합니다. 이를 해결하기 위해 주파수 분석을 기반으로 효율적이고 효과적인 트리거를 생성하는 새로운 방법인 FreqBack을 제안합니다. FreqBack은 다양한 모델과 데이터셋에서 90% 이상의 높은 공격 성공률을 달성하면서, 정상 데이터에 대한 모델 정확도 저하를 3% 미만으로 유지합니다.
