프롬프트 설명
AI 보안 ├─ 핵심 목표 (CIA + 규정 준수 + 신뢰성) │ ├─ 기밀성 │ ├─ 무결성 │ ├─ 가용성 │ ├─ 규정 준수 │ └─ 신뢰할 수 있는 행동 │ ├─ 악성 공격 하에서 제어 가능 │ ├─ 예상치 못한 실패 시 안정적 │ └─ 환경 변화 하에서 예상되는 행동 유지 │ ├─ 개념적 경계 및 관련 개념 │ ├─ 신뢰성/견고성과의 관계 │ │ ├─ 신뢰성/견고성: 악의적이지 않은, 무작위적인 교란에 초점 │ │ │ ├─ 센서 노이즈 │ │ │ └─ 데이터 분포 드리프트 │ │ └─ AI 보안: 의도적이고, 악의적이며, 신중하게 설계된 공격에 초점 │ │ └─ 적대적 교란 (FGSM 등) │ ├─ 전통적인 사이버 보안/보안 엔지니어링과의 관계 │ │ ├─ 전통적인 보안: 인프라, 네트워크 및 데이터 보호 │ │ │ ├─ 방화벽 │ │ │ ├─ 침입 탐지 │ │ │ ├─ 접근 제어 │ │ │ └─ 암호화 응용 │ │ └─ AI 보안: 모델 행동 및 데이터 의존성에 대한 심층 분석 │ │ └─ 예: 백도어 공격은 전통적인 취약점 스캔으로 탐지할 수 없음 │ └─ 신뢰할 수 있는 AI 내에서의 위치 │ ├─ 신뢰할 수 있는 AI의 다른 기둥 │ │ ├─ 공정성 │ │ ├─ 설명 가능성/해석 가능성 │ │ ├─ 투명성 │ │ └─ 개인 정보 보호 │ └─ 보안은 신뢰할 수 있는 AI의 기초임
![```python
import os
import re
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
import torch
from torch.utils.data import Dataset, DataLoader
from tqdm import tqdm
import joblib
import matplotlib.pyplot as plt
# =========================
# 구성
# =========================
class Config:
# ✅ 새로운 버전: 빗물 축적 지점 엑셀 (누적 강우량 추가)
points_xlsx = r'F:\实验数据\CA_积水点融合\深度置信网络\样本输出_final\积水点_整合_step3_研究区内_新增累计降雨_719-723.xlsx'
# CA 시뮬레이션 결과 & 지리 데이터
ca_data_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\CA模拟结果'
geo_data_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\地理数据' # building_density.npy, DEM.npy, road_density.npy, Slope.npy, Landuse.npy
# 패치 & 샘플링
patch_size = 64
ca_dry_thr_cm = 1.0 # 음성 샘플 수심 임계값: < 1cm
tile_size = 200 # 음성 샘플 공간 균등 샘플링 타일 크기 (단위: 그리드 셀)
# 토지 이용 원-핫 인코딩 유형 (실제 데이터에 따라 조정 가능)
landuse_types = [7, 8, 10, 50, 60, 80, 100]
# 훈련 관련
output_dir = r'F:\实验数据\CA_积水点融合\深度置信网络\DBN训练输出_64patch_mu'
```](/_next/image?url=https%3A%2F%2Fpub-8c0ddfa5c0454d40822bc9944fe6f303.r2.dev%2Fai-drawings%2FBFJVaELXylgOOK0WatKO6tw6EfizLTx7%2F8a5d501e-e43d-4dfe-b168-5609ff4c3ef1%2F03d366b1-042e-4669-8cfb-aa5952cc4cb1.png&w=3840&q=75)
