성연식 교수 연구팀, 'CVPR 2026' 논문 채택

동국대 컴퓨터AI학부 성연식 교수 연구팀(Bassole Yipene CedricFrancois, 김성우, 정지우 석사과정) 인공지능 분야 Top Conference 'CVPR 2026' 논문 최종 채택동국대학교 컴퓨터AI학부 성연식 교수 연구팀의 논문이 인공지능 분야 국제 학술대회인 CVPR 2026 (IEEE/CVF Conference on Computer Vision and Pattern Recognition)에 최종 채택되었다. CVPR은 IEEE와 CVF에서 공동 주관하는 인공지능 분야 세계 최고 수준의 최상위 국제 학술학회로써 이번에는 채택률이 25.42% (4,090편/16,092편) 달할 만큼 경쟁이 치열했다. 이번 CVPR 2026은 오는 2026년 6월 3일부터 7일까지 미국 콜로라도 컨벤션 센터에서 개최될 예정이다.▲ (왼쪽부터) 동국대학교 컴퓨터·AI학과 Bassole Yipene CedricFrancois 석사과정, 동국대학교 컴퓨터·AI학과 김성우 석박통합과정, 동국대학교 컴퓨터·AI학과 정지우 석사과정, 동국대학교 컴퓨터·AI학과 성연식교수 본 논문은 성연식교수 연구팀의 Bassole Yipene CedricFrancois 석사과정이 제1저자로 작성했으며, ‘HybridDriveVLA: Vision-Language-Action model with Visual CoT reasoning and ToT Evaluation for Autonomous Driving’ 제목으로, 자율주행의 고도화된 추론 능력과 해석 가능성을 확보하기 위한 새로운 VLA(Vision-Language-Action) 모델 구조를 제안하였다. 기존의 VLA 기반 자율주행 시스템들은 시각 장면을 텍스트 기호로 변환하는 사고 연쇄(Chain-of-Thought) 방식에 의존하여 시각 정보가 가진 공간적 문맥을 충분히 활용하지 못했으며, 단일 경로 시퀀스만을 생성함으로써 주행의 다양한 요구사항을 정교하게 반영하지 못하는 한계를 보였다. 이를 연구팀은 시각적 사고 연쇄(Visual CoT)와 트리 형태의 사고(Tree-of-Thought)에서 영감을 얻은 경로 평가 메커니즘을 결합한 HybridDriveVLA를 개발하였다. 그림1.논문에서 제안한 프레임워크 구조

동국대 컴퓨터/AI학부 이우진 교수 연구팀, 거대언어모델(LLM) 안전성 취약점 분석 성과 발표

동국대 컴퓨터/AI학부 이우진 교수 연구팀, 거대언어모델(LLM) 안전성 취약점 분석 성과 발표동국대학교 이우진 교수 연구팀이 거대언어모델(LLM)의 안전성 취약점을 정밀하게 분석한 연구 성과를 발표했다.동국대는 정승원, 정지우, 김현진, 이윤석 연구원과 이우진 교수가 참여한 논문 ‘SlotGCG: Exploiting the Positional Vulnerability in LLMs for Jailbreak Attacks’가 세계적 권위의 인공지능 학회인 ICLR 2026(International Conference on Learning Representations)에 채택됐다고 밝혔다.이번 연구는 기존 LLM 보안 우회 공격이 프롬프트 끝부분에만 토큰을 추가하는 방식에 집중해 왔다는 한계에서 출발했다. 연구팀은 프롬프트 내부의 특정 위치에도 취약 지점이 존재한다는 점을 확인하고, 이를 정량화한 Vulnerable Slot Score(VSS)와 새로운 공격 프레임워크 ‘SlotGCG’를 제안했다.실험 결과 SlotGCG는 AdvBench 데이터셋과 Llama, Mistral, Vicuna, Qwen 등 다양한 공개 LLM에서 기존 방식보다 평균 약 14% 높은 성능을 보였고, 최대 10배 빠른 속도를 기록했다. 또 방어 기법이 적용된 환경에서도 기존보다 29% 높은 공격 성공률을 보여, 현재 LLM 방어 체계의 한계를 드러냈다.연구팀은 이번 연구가 단순히 공격 기법을 제안하는 데 그치지 않고, 거대언어모델이 어떤 위치 정보에 취약한지를 체계적으로 이해해 보다 견고한 방어 기법을 설계하기 위한 AI 안전성 검증 및 레드팀 연구라는 점에서 의미가 크다고 설명했다. 특히 프롬프트 내 위치별 취약성을 계량적으로 분석했다는 점에서 향후 대규모 언어모델의 안전성 평가, 정렬(alignment) 기술 고도화, 방어 프레임워크 설계에 폭넓게 활용될 것으로 기대된다.연구팀은 앞으로 다양한 모델과 실제 서비스 환경에서의 인공지능 취약성 파악과 안전한 인공지능 개발을 목표로 연구를 이어갈 계획이다.이번 논문 ‘SlotGCG: Exploiting the Positional Vulnerability in LLMs for Jailbreak Attacks’는 4월 브라질 리우데자네이루에서 개최되는 ICLR 2026에서 발표될 예정이다.

동국대 이우진 교수팀, AI '과잉 망각' 해결한 언러닝 기술로 ICLR 2026 채택

동국대 이우진 교수팀, AI '과잉 망각' 해결한 언러닝 기술로 ICLR 2026 채택왼쪽부터) 김미소 연구원, 이거루 연구원, 김윤지 연구원, 김호기 교수, 박진성 연구원, 이우진 교수동국대학교(총장 윤재웅) 컴퓨터AI학부 이우진 교수 연구팀이 제안한 머신 언러닝(Machine Unlearning) 관련 연구 논문이 세계 최고 권위의 인공지능 학회인 ‘ICLR(International Conference on Learning Representations) 2026’에 채택됐다고 밝혔다.이번 연구에는 동국대학교 컴퓨터학부 이우진 교수 연구실의 김미소 연구원, 이거루 연구원, 김윤지 연구원, 중앙대학교 김호기 교수, 고등과학원 박진성 연구원이 참여했다. 연구팀은 생성형 AI 모델에서 특정 유해 콘텐츠를 삭제하면서도, 그와 결합된 유익한 핵심 정보는 완벽히 보존하는 새로운 최적화 프레임워크인 ‘ReCARE(Robust erasure for CARE)’를 제시했다.기존의 AI 망각(Unlearning) 기술은 유해한 데이터(예: 누드, 저작권 이미지)를 지우는 과정에서, 이와 함께 자주 등장하는 정상적인 개념까지 의도치 않게 삭제해 버리는 ‘과잉 망각’의 한계가 있었다. 예를 들어 누드 이미지를 삭제하려다 모델이 ‘사람’ 자체를 생성하지 못하게 되는 식이다.연구팀은 이러한 문제를 해결하기 위해 반드시 보존해야 할 공통 개념을 ‘CARE(Co-occurring Associated Retained concepts)’로 정의하고, 이를 정량적으로 측정할 수 있는 ‘CARE score’를 세계 최초로 제안했다. 또한, ReCARE 프레임워크를 통해 유해 정보만을 정밀하게 타격해 삭제하면서도 CARE 세트를 활용해 모델의 일반적인 성능과 유익한 개념은 안정적으로 보호하는 데 성공했다.실험 결과, ReCARE는 NSFW, 스타일, 특정 사물 등 다양한 삭제 작업에서 기존 세계 최고 수준(SOTA) 모델들보다 우수한 성능을 입증했다. 특히 적대적 공격(Adversarial Attack) 상황에서도 유해 콘텐츠 생성을 효과적으로 차단하는 강력한 방어 성능을 보여주었다.연구팀은 “이번 연구는 AI가 잘못된 정보를 학습했을 때 이를 안전하게 수정하면서도 인공지능 고유의 지능은 유지할 수 있는 핵심 기술”이라며, “사용자의 ‘잊혀질 권리’를 보호하고 더욱 안전하고 신뢰할 수 있는 생성형 AI 환경을 구축하는 데 기여할 것으로 기대한다”고 밝혔다.한편, 이번 연구 성과는 오는 4월 브라질에서 개최되는 ICLR 2026 현장에서 발표될 예정이다.

김지희 교수 연구팀, 'CVPR 2026' 논문 채택

김지희 교수 연구팀 (박지호,최시은,서재윤,손민호, 김예나) Computer Vision분야Top conference ‘CVPR 2026’논문 채택▲ (윗줄 왼쪽부터) 동국대학교 컴퓨터AI학과 박지호 박사과정, 최시은 석사과정, 서재윤 석사과정, (아랫줄 왼쪽부터) 손민호 석사과정, 김예나 학부연구생, 김지희 교수동국대학교 컴퓨터AI학과 김지희 교수 연구팀 (박지호 박사과정, 석사 과정: 최시은, 서재윤, 손민호, 김예나 학부 연구생)의 논문이 컴퓨터 비전 분야 최고 권위 국제학회인 CVPR 2026에 최종 채택되었다. IEEE/CVF에서 주관하는 CVPR (Computer Vision and Pattern Recognition) 학회는 컴퓨터 비전 및 인공지능-패턴인식 분야에서 최고 권위의 학회이다. CVPR 2026은 2026년 6월 3일부터 7일까지 미국 덴버에서 개최된다.채택된 논문 ‘SEA: Evaluating Sketch Abstraction Efficiency via Element-level Common-sense Visual Question Answering’은 스케치의 핵심 속성인 추상화 효율을 정량적으로 평가하기 위한 새로운 지표 SEA를 제안한다. 연구팀은 객체별 핵심 시각 요소를 상식 지식 기반으로 정의하고, Visual Question Answering 기법을 활용해 각 요소의 표현 여부를 판별함으로써, 스케치가 의미를 유지하면서 얼마나 효율적으로 추상화되었는지를 측정하는 reference-free evaluation framework를 구축하였다.아울러 연구팀은 300개 클래스, 23,100장의 인간 드로잉 스케치와 캡션 및 element-level annotation으로 구성된 CommonSketch 데이터셋을 함께 제안하였다. 실험 결과, SEA는 인간 판단과 높은 일치도를 보였으며, 스케치의 추상화 효율을 안정적으로 구분하는 것으로 확인되었다. 이번 연구는 스케치 평가의 기준을 시각적 유사도 중심에서 의미 중심 평가로 확장했다는 점에서 학술적 의미가 크다.그림1. 논문에서 제안한 프레임워크 구조

임상수 교수 연구팀, Briefings in Bioinformatics 논문 게재

컴퓨터·AI학부 임상수 교수 연구팀(노민호 석사과정, 이성경 석사과정, 김성현 학석사연계과정)은 공간 전사체(spatial transcriptomics) 데이터 분석을 위한 생물학적 경로 기반 대조학습 인공지능 모델을 개발하여, 이를 Mathematical & Computational Biology분야 최상위국제 저명 학술지Briefings in Bioinformatics에 게재하였다.최근 공간 전사체 기술은 조직 내 유전자 발현의 공간적 구조를 정밀하게 분석할 수 있어 암 미세환경 분석 및 질병 메커니즘 연구에서 주목받고 있다. 그러나 기존 분석 기법들은 고차원·고잡음 유전자 데이터를 효과적으로 표현하는 데 한계가 있으며, 결과 해석 또한 제한적이라는 문제가 있었다.임상수 교수 연구팀은 이러한 한계를 극복하기 위해 PathCLAST(Pathway-augmented Contrastive Learning with Attention for interpretable Spatial Transcriptomics)라는 새로운 생물학적 경로 기반 표현학습 프레임워크를 제안하였다. 제안된 방법은 유전자 발현 데이터를 생물학적 경로(Pathway) 그래프 구조로 모델링하고, 병리 조직 이미지와 대조학습(contrastive learning) 방식으로 정렬함으로써, 공간 도메인 식별 성능과 모델 안정성을 동시에 향상시켰다.특히 본 연구는 컴퓨터·AI 관점에서 생물학적 지식을 그래프 구조로 통합한 지식 기반 표현학습 방법 다중 모달 데이터(유전자 발현·조직 이미지)를 효과적으로 융합하는 대조학습 기반 모델 설계 경로 수준 어텐션을 활용한 해석 가능 인공지능 구조 를 제시했다는 점에서 의미 있는 기술적 기여를 갖는다.제안된 모델은 다수의 공개 공간 전사체 데이터셋에서 기존 최신 기법 대비 우수한 공간 도메인 식별 성능과 높은 강건성을 보였으며, 각 조직 영역에서 활성화된 경로 수준의 생물학적 신호를 정량적으로 분석할 수 있음을 입증하였다. 이를 통해 단순 분류 성능을 넘어 설명 가능한 AI 기반 생물의학 데이터 분석으로의 확장 가능성을 제시하였다.본 연구 성과는 AI 기반 바이오·의료 데이터 분석 및 공간 전사체 분야에서 폭넓게 활용될 것으로 기대된다.논문은 “PathCLAST: Pathway-augmented Contrastive Learning with Attention for interpretable Spatial Transcriptomics”라는 제목으로 Briefings in Bioinformatics(IF=7.7, JCR 상위 2.2%) 온라인판에 2026년 2월에 게재되었다.논문 링크:https://academic.oup.com/bib/article/27/1/bbag029/8454870

[스마트경제 외 2곳] 김지희 동국대 컴퓨터·AI학부 교수, ‘2025 국가연구개발 우수성과 100선’ 융합분야 최우수성과 선정

김지희 동국대 컴퓨터·AI학부 교수, ‘2025 국가연구개발 우수성과 100선’ 융합분야 최우수성과 선정- 기사 바로가기 :https://www.dailysmart.co.kr/news/articleView.html?idxno=118564

[한국금융경제신문 외 11곳] 동국대 김지희 교수, 부총리 겸 과학기술정보통신부 장관 표창 수상

동국대 김지희 교수, 부총리 겸 과학기술정보통신부 장관 표창 수상- 기사 바로가기 :https://www.kfenews.co.kr/news/articleView.html?idxno=650269

[동국대 컴퓨터AI학부 성연식 교수 연구팀] 이서우 & 최두호 ‘AAAI 2026’ 논문 채택

동국대 컴퓨터AI학부 성연식 교수 연구팀 논문의 인공지능 분야 Top Conference 'AAAI 2026'에 최종 채택동국대학교 컴퓨터AI학부 성연식 교수 연구팀의 논문이 국제 학술대회인 AAAI 2026 (The AAAI Conference on Artificial Intelligence)에 최종 채택되었다. AAAI는 Association for the Advancement of Artificial Intelligence에서 주관하는 인공지능 분야 세계 최고 수준의 국제 학술학회로써 이번에는 채택률이 17.6% (4,167편/23,680편) 달할 만큼 경쟁이 치열했다. AAAI 2026은 2026년 1월 20일부터 27일까지 싱가포르 EXPO 컨벤션 센터에서 개최될 예정이다.▲ (왼쪽부터) 동국대학교 컴퓨터·AI학부 이서우 전문연구원, 컴퓨터·AI학과 최두호 석사과정, 컴퓨터AI학부 성연식교수본 논문은 이서우 전문연구원과 최두호 석사과정이 공동 제1저자로 작성했으며, ‘MIDILM: A Dual-Path Model for Controllable Text-to-MIDI Generation’ 제목으로, 자연어로부터 음악 구조적 표현(MIDI)을 생성하는 Text-to-MIDI Generation의 새로운 구조를 제안하였다. 기존의 Text-to-MIDI Generation 모델들은 Text와 MIDI 간의 Representation Space을 깊이 있게 정렬하지 못해 Semantic Coherence와 Structural Controllability 측면에서 한계를 보였다. 이에 본 연구팀은 Text Conditioning과 Dual-path Decoder 구조를 결합하여, 텍스트 정보와 음악 정보를 Shared Masked Self-attention Mechanism 아래에서 각각 독립적인 Feed-forward Path로 처리하여 Modality Isolation가 가능한 MIDILM을 개발하였다.그림1. 논문에서 제안한 프레임 워크 구조참고자료:AAAI 2026: https://aaai.org/conference/aaai/aaai-26/성연식 교수 연구실: https://lmmlab.notion.site/

컴퓨터·AI학과 손윤식 교수님 연구실 알압둘와합 살레 박사 Almaarefa University 조교수 임용

컴퓨터·AI학과 손윤식 교수님 연구실 알압둘와합 살레 박사 Almaarefa University 조교수 임용△ 알압둘와합 살레 박사동국대학교 컴퓨터·AI학과 손윤식 교수 연구실(Programming Language and Secure Software Lab.)의 첫번째 박사 졸업생 알압둘와합 살레 박사가 사우디아라비아 Almaarefa University의 조교수로 임용되었다. 알압둘와합 살레 박사는 딥러닝 기반의 부채널 정보 추론, 방어 기법 탐지를 통한 공격 등 딥러닝과 부채널 보안에 관한 연구로 2025년 2월에 박사학위를 취득하였으며, 학위 과정 중에 IoT 환경에서의 부채널 정보 예측 및 공격 관련 연구로 Software Engineering 분야 Top 저널인 ACM Transactions on Software Engineering and Methodology(TOSEM, IF 6.6, JCR Q1) 및 Expert Systems with Applications (IF 7.5, JCR Q1) 등에 논문을 게재하였다. 손윤식 교수 연구실에서는 현재 박사과정 4명, 석사과정 12명, 학부생 인턴 3명이 부채널 보안, 블록체인 스마트 컨트랙트 분석, 합성 데이터 생성 및 보안 강화, LLM 보안, 이상 행동 분석, CT 의료 영상 분석 융합 연구 등의 주제로 연구와 프로젝트를 수행 중이며 우수한 성과를 지속적으로 도출하고 있다.

[동국대 컴퓨터AI학부 성연식 교수] 세계 최상위 2% 연구자 선정

동국대학교 컴퓨터AI학부 성연식 교수는 최근에 네델란드 엘스비어(Elsevier)가 발표한 ‘2025년 전 세계 상위 2% 연구자(World’s Top 2% Scientists)’에 선정되었다. 한국 연구자는 2,633명으로 전년대비 11.4%가 증가하여 전 세계 15위를 달성했다. 순위는 생애기준(Carrer) 데이터와 연간(Single Year) 데이터로 각각 평가된다. 생애기준 데이터 순위는 1960년부터 전년도까지 인용된 데이터를 기준으로 선정되며, 연간 데이터 순위는 전년도에 인용된 데이터를 기준으로 선정된다. 성연식 교수는 연간 데이터를 기준으로 2020년부터 연속 6회 선정되었으며, 생애기준(Carrer) 데이터를 기준으로는 2025년에 처음으로 세계 최상위 2%에 선정되었다.△동국대학교 컴퓨터·AI학부성연식교수성연식 교수는 ▶다중 에이전트 토론 / 합의 기반 의사결정 최적화 기술 ▶VLM / VLA 기반 자율주행 인식 및 판단 생성 기술 ▶Dual-path Decoder 구조를 활용한 텍스트 기반 MIDI 생성 기술 등의 연구를 기반으로 ▶ Type-based Mixture of Experts and Semi-Supervised Multi-task Pre-training for Symbolic Music (Expert Systems with Applications, 2025) ▶PixTention: Dynamic Pixel-Level Adaptor Using Attention Maps (Image and Vision Computing, 2025) ▶Enhancing Safety of Vision-Language Reasoning Through Model-to-Model Deliberation (Complex & Intelligent Systems, 2025) 등의 연구실적을 도출하고 있다.■ 참고자료[1] 2025년 전 세계 상위 2% 연구자, https://www.elsevier.com/ko-kr/promotions/worlds-top-researchers[2] 성연식 교수 홈페이지, https://lmmlab.notion.site/