심층 학습 모델의 안전한 배포를 위협하는 적대적 공격 문제를 해결하기 위해, 인간 시각 시스템의 생물학적 메커니즘에 착안한 새로운 방어 프레임워크를 제안합니다. 주의 기반의 비균질적 희소 샘플링과 예측 코딩이 적대적 공격에 대한 견고성에 중요한 역할을 한다고 가정하고, 이를 검증하기 위해 초점-주변 처리, 안구 운동, 피질 채움을 포함하는 세 가지 생물학적 메커니즘을 통합했습니다. 강화 학습 기반의 안구 운동을 사용하여 여러 초점-주변 시점을 선택적으로 캡처하고, 이를 재구성된 이미지로 통합한 후 분류하는 방식으로 기존 분류기의 재훈련이나 미세 조정 없이 적대적 노이즈를 효과적으로 완화하고 의미적 무결성을 유지합니다.
