文献

J-GLOBAL ID：202002239504352379   整理番号：20A1113972

DNNベースのブラックボックスオブジェクト検出器に対する敵対攻撃【JST・京大機械翻訳】

An adversarial attack on DNN-based black-box object detectors

著者 (5件)： Wang Yajie (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081, China) ,  Tan Yu-an (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081, China) ,  Zhang Wenjiao (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081, China) ,  Zhao Yuhang (School of Computer Science and Technology, Beijing Institute of Technology, Beijing, 100081, China) ,  Kuang Xiaohui (National Key Laboratory of Science and Technology on Information System Security, Beijing, 100192, China)
資料名： Journal of Network and Computer Applications  (Journal of Network and Computer Applications)
巻： 161  ページ： Null  発行年： 2020年 
JST資料番号： H0842A  ISSN： 1084-8045  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： オブジェクト検出モデルは,コア要素の一つとして種々のIoTデバイスにおいて重要な役割を果たしている。科学実験により,オブジェクト検出モデルは,敵の例に対して脆弱であることが証明されている。これに対して,オブジェクト検出モデルに対するいくつかの攻撃法が提案されているが,既存の攻撃法は白色ボックスモデルまたは特定のタイプのブラックボックスモデルのみを攻撃することができる。本論文では,回帰ベースおよび領域ベースの検出モデルの両方をうまく攻撃することができる,蒸発攻撃と呼ばれる新しいブラックボックス攻撃法を提案した。異なるタイプのオブジェクト検出モデルに対する効果的な攻撃を実行するために,筆者らは,モデルの予測の位置とラベル情報のみを利用することができる最適化アルゴリズムを設計した。蒸発物Attackは,モデルの内部情報なしで検出モデルから物体を隠すことができる。このシナリオは,攻撃者によって直面する現実世界で非常に実用的である。著者らのアプローチは,すべてのオブジェクトが隠されている前提の下で,回帰ベースのYOLOv3に関する84%のフォーリング率と領域ベースのFastR-CNNに関する48%のフォーリング率を達成した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 蒸発 ,  最適化手法 ,  *ブラックボックス
準シソーラス用語： *物体検出 ,  脆弱性 ,  モノのインターネット ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 敵対例 ,  ブラックボックス攻撃 ,  オブジェクト検出器 ,  ディープニューラルネットワーク

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： ブラックボックス ,  オブジェクト検出 ,  敵対 ,  攻撃