文献

J-GLOBAL ID：201902227071186091   整理番号：19A1772944

機械学習に対する柔軟な中毒攻撃【JST・京大機械翻訳】

A Flexible Poisoning Attack Against Machine Learning

著者 (5件)： Jiang Wenbo ,  Li Hongwei ,  Liu Sen ,  Ren Yanzhi ,  He Miao
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICC  ページ： 1-6  発行年： 2019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： 近年,機械学習において多大な学術的努力と産業成長が見られた。機械学習のセキュリティはますます顕著になった。中毒攻撃は,訓練プロセスの間に機械学習が必要とする訓練データを汚染することに焦点を合わせる機械学習に対する最も関連したセキュリティ脅威の1つである。具体的には,攻撃者混合物は,学習されたモデルをhimに有益にするために,訓練データに中毒サンプルを作った。著者らの知る限りでは,中毒攻撃に関する既存の研究は,これらの2つの攻撃を一緒に統一しない完全性攻撃またはアベイラビリティ攻撃のいずれかに焦点を合わせた。攻撃者の視点から,攻撃者の戦略は十分ではない。最終的に,既存の提案は学習モデルの試験誤差の増加に集中しただけであるが,攻撃の隠蔽の重要性を無視した。これらの問題を克服するために,攻撃者の戦略が攻撃の影響と攻撃の隠蔽の2つの観点から定義される中毒攻撃のための完全な敵のモデルを最初に提示した。次に,類似の定式化における完全性攻撃とアベイラビリティ攻撃を統一した。さらに,柔軟性を強化するために,トレードオフパラメータを攻撃者の目的関数に挿入して,攻撃者が隠蔽の要求に対する効果の誘引をバランスさせることができることを意味した。最後に,例として,攻撃の有効性を実証するために,線形回帰とロジスティック回帰に関する広範な実験を行った。Copyright 2019 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： *中毒 ,  セキュリティ ,  アベイラビリティ ,  完全性 ,  定式化 ,  有効性 ,  学習モデル ,  *機械学習 ,  柔軟性 ,  目的関数
準シソーラス用語： ロジスティック回帰分析 ,  線形回帰 ,  攻撃者 ,  訓練データ , 【Automatic Indexing@JST】

分類 (2件)： データ保護  (JD01020V) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： 機械学習 ,  中毒 ,  攻撃