文献

J-GLOBAL ID：202402239387523169   整理番号：24A0522674

JPEG圧縮由来の歪み信号に基づくフィルタリングを活用した敵対的事例検出手法

著者 (3件)： 角森健太 (岡山大 大学院自然科学研究科) ,  栗林稔 (東北大 データ駆動科学・AI教育研究セ) ,  舩曵信生 (岡山大 大学院自然科学研究科)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 123  号： 332(EMM2023 80-88)  ページ： 38-43 (WEB ONLY)  発行年： 2024年01月09日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 畳み込みニューラルネットワークを用いた画像分類器は,微小な摂動が加えられた敵対的事例によって誤分類が引き起こされる.ノイズ除去フィルタを用いて画像分類器の出力値の変化を観察することで,敵対的事例を検出する手法が研究されているが,検出精度を高めるためには複数のフィルタ処理を試す必要があり,計算コストが高い問題があった.本稿では,一つのノイズ除去フィルタを用いて,フィルタ適用前と後の差分画像を敵対的事例検知システムの学習に用いる手法を提案する.提案手法では,JPEG圧縮前後の画像の差分情報に対して変調処理を施した歪み信号をノイズ除去フィルタとして採用した.本研究の結果.提案手法は計算量を従来の1/6に抑えつつ,98%以上の敵対的事例検知精度を示した.(著者抄録)

シソーラス用語： *パターン分類 ,  *ディジタル画像 ,  フィルタリング ,  JPEG ,  画像歪 ,  ニューラルネットワーク ,  *サイバー攻撃 ,  信号検出 ,  画像補正 ,  雑音除去 ,  雑音発生 ,  摂動 ,  人工知能 ,  異常検出 ,  畳込みニューラルネットワーク ,  敵対的生成ネットワーク
準シソーラス用語： データ摂動 ,  画像雑音除去 ,  *画像分類 ,  *敵対的攻撃

分類 (2件)： パターン認識  (JE07000S) ,  データ保護  (JD01020V)

引用文献 (17件)：

• A. Higashi, M. Kuribayashi, N. Funabiki, H.H. Nguyen, and I. Echizen, “Detection of adversarial examples based on sensitivities to noise removal filter,” Proc. APSIPA ASC 2020, pp.1386-1391, 2020.
• K. Tsunomori, Y. Yamasaki, M. Kuribayashi, N. Funabiki, and I. Echizen, “Detection and correction of adversarial examples based on jpeg-compression-derived distortion,” Proc. APSIPA ASC 2022, pp.1828-1833, 2022.
• I.J. Goodfellow, J. Shlens, and C. Szegedy, “Explaining and harnessing adversarial examples,” arXiv preprint arXiv:1412.6572, 2015.
• G. Hinton, O. Vinyals, and J. Dean, “Distilling the knowledge in a neural network,” NIPS2014 Deep Learning Workshop, 2014.
• N. Carlini and D. Wagner, “Defensive distillation is not robust to adversarial examples,” arXiv preprint arXiv:1607.04311, 2016.

タイトルに関連する用語 (6件)： JPEG圧縮 ,  歪み ,  フィルタリング ,  活用 ,  敵対 ,  手法