文献

J-GLOBAL ID：201902270784765078   整理番号：19A1488135

ディープニューラルネットワークのためのディジタル透かしに関する攻撃【JST・京大機械翻訳】

Attacks on Digital Watermarks for Deep Neural Networks

著者 (2件)： Wang Tianhao (David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Canada) ,  Kerschbaum Florian (David R. Cheriton School of Computer Science, University of Waterloo, Waterloo, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 2622-2626  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： 訓練深いニューラルネットワークは計算的に高価なタスクである。さらに,モデルは注意深く調製され,ラベル付けされた固有のデータセットからしばしば誘導される。したがって,深い学習モデルの創造者は,知的財産に対してそれらのモデルを保護することを望んでいる。しかし,モデルが高速応答時間のために移動性appに埋め込まれるので,これは必ずしも可能ではない。モデルに秘密情報を埋め込む深いニューラルネットワークの対策透かしとして開発された。この情報は,所有者が所有権を証明するために,後に検索することができる。Uchidaらは最初の電子透かし法を提案した。それらの方式の利点は,それがモデル予測の精度を損なわないことである。しかし,本論文では,それらの技術がモデルの統計的分布を修正することを示した。この修正を用いることにより,透かしの存在を検出するだけでなく,その埋め込み長を導出し,この情報を用いて,それを書き換えることにより電子透かしを除去することができる。この検出アルゴリズムは,それらの埋め込みアルゴリズムから得られる結果に従い,可能な対策を提案することを解析的に示した。著者らの発見は,深いニューラルネットワークのための透かしの検出不能性の定義を洗練するのに役立つ。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： 学習モデル ,  *ニューラルネットワーク ,  アルゴリズム
準シソーラス用語： 検出アルゴリズム ,  モデル予測 ,  所有権 ,  所有者 ,  機密情報 ,  高速応答 ,  知的財産 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  データ保護  (JD01020V)

タイトルに関連する用語 (3件)： ディープニューラルネットワーク ,  ディジタル透かし ,  攻撃