文献

J-GLOBAL ID：201802251996957894   整理番号：18A1810842

サイバー物理生産システムのための深いニューラルネットワークに基づく状態監視システムの誤分類を防止するための敵対例の生成【JST・京大機械翻訳】

Generation of Adversarial Examples to Prevent Misclassification of Deep Neural Network based Condition Monitoring Systems for Cyber-Physical Production Systems

著者 (4件)： Specht Felix (Fraunhofer IOSB-INA Langenbruch 6, Lemgo, 32657, Germany) ,  Otto Jens (Fraunhofer IOSB-INA Langenbruch 6, Lemgo, 32657, Germany) ,  Niggemann Oliver (Fraunhofer IOSB-INA Langenbruch 6, Lemgo, 32657, Germany) ,  Hammer Barbara (Barbara Hammer CITEC, Bielefeld University Inspiration 1, Bielefeld, 33619, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： INDIN  ページ： 760-765  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 深いニューラルネットワークベースの状態監視システムを用いて,サイバー物理的生産システムのシステム故障を検出した。しかしながら,深い神経回路網の脆弱性は,敵の例である。それらは操作入力,例えばプロセスデータ,深いニューラルネットワークを誤分類に誤る能力を持つ。条件監視システムによって認識されることなくサイバー物理的生産システムの物理的生産プロセスを操作することができる。物理プロセスの操作は,生産システムと従業員にとって深刻な脅威をもたらす。本論文では,advers例攻撃によって引き起こされる誤分類を防ぐための新しいアプローチであるサイバープロテクットを紹介した。CyberProtectは,敵の例を生成し,それらを用いて,深いニューラルネットワークを再訓練する。これは,著しく減少した誤分類率を有する硬化した深いニューラルネットワークをもたらす。提案した対策は,経験的結果によって証明されるように,20%から82%まで分類率を増加させる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *監視装置 ,  *ニューラルネットワーク ,  神経回路網 ,  生産プロセス ,  *生産システム
準シソーラス用語： 従業員 ,  プロセスデータ ,  脆弱性 ,  システム障害 ,  *状態監視 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 物理 ,  ニューラルネットワーク ,  状態監視 ,  分類 ,  敵対