Synthetic Aperture Radar (SAR)는 기상조건과 밤낮 구분 없이 영상 정보 획득이 가능하여 감시 시스템에 널리 사용되고 있다. 하지만 SAR 영상은 보통 획득 과정의 고비용 발생 문제와 더불어, 특정 SAR 목표물 영상의 경우 비공개 특성으로 인해 많은 양의 데이터를 확보하는 것이 매우 어렵다. 특히, 최근 딥 러닝 네트워크를 사용하여 목표물 검출 및 인식을 수행 할 경우, 일반적으로 학습을 위해 빅데이터가 요구되나 특성상 학습 데이터 확보가 어렵다. 따라서, 본 논문에서는 최근 데이터 생성 모델로 각광을 받고 있는 GAN을 이용하여 SAR 영상 생성에 관한 방법을 제안한다. 제안된 SAR 영상 생성을 위한 GAN는 auxiliary classifier를 discriminator의 특징 맵으로부터 입력 받아 class를 식별할 수 있도록 하여 class 별로 SAR 데이터를 생성할 수 있도록 discriminator와 generator를 학습 시키는 것이 가능하도록 하였다. 제안 GAN의 generator가 만들어낸 SAR 영상에 speckle noise가 관찰될 정도로 기존의 SAR 데이터와의 유사한 특성의 영상 생성이 가능함을 확인 하였고, 이를 CNN 기반의 classifier에 학습 시킨 후 기존 SOC 환경의 테스트로 검증한 결과 43.84%의 식별 정확도를 얻었다.