文献

J-GLOBAL ID：202002210696197563   整理番号：20A2204817

VIN敵対例のための2層機構同定法【JST・京大機械翻訳】

A Two-layer Mechanism Identification Method for VIN Adversarial Examples

著者 (6件)： Wang Yingdi (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing 100044, China) ,  Liu Jiqiang (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing 100044, China) ,  Chen Tong (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing 100044, China) ,  Xiang Yingxiao (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing 100044, China) ,  Tong Endong (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing 100044, China) ,  Niu Wenjia (Beijing Key Laboratory of Security and Privacy in Intelligent Transportation, Beijing Jiaotong University, Beijing 100044, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1584  号： 1  ページ： 012069 (8pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 機械学習アルゴリズムの急速な発展によって,セキュリティ問題は徐々に出現している。ほとんどの既存の機械学習アルゴリズムは敵対例によって攻撃される可能性がある。特に,経路計画の領域において,敵対地図は,深い強化学習(DRL)アルゴリズムによって予測される経路に,複数の有害な結果をもたらすかもしれない。しかし,それらを自動的に同定する適切な方法は存在しない。知る限りでは,すべての以前の研究は,手動観察法を用いて,時間消費である敵対地図を同定した。したがって,本論文では,価値反復ネットワーク(VIN)における敵対例を自動的に同定するための2層メカニズム法を検討した。攻撃結果の4つのカテゴリーを定義して,経路特徴比較と経路画像分類を結合することによってそれらを同定した。実験は,この方式がVIN広告例に関する効果的同定を達成できることを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  広告 ,  ネットワーク ,  セキュリティ ,  強化学習 ,  学習アルゴリズム ,  経路探索
準シソーラス用語： 画像分類 ,  二層 , 【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)： 敵対 ,  2層 ,  同定法