文献

J-GLOBAL ID：202002258341478675   整理番号：20A0286042

画像変換による敵対例の自動同定のためのラベルベースアプローチ【JST・京大機械翻訳】

A Label-Based Approach for Automatic Identifying Adversarial Examples with Image Transformation

著者 (2件)： Thang Dang Duy (Institute of Information Security, Japan) ,  Matsui Toshihiro (Institute of Information Security, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CANDAR  ページ： 112-120  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： 深いニューラルネットワークはコンピュータビジョン,音声認識,自然言語処理のような多くの分野で広く展開されているが,近年,深いニューラルネットワークは,敵の例と呼ばれる正当な入力の意図的な修正に対して脆弱であることが認識されている。これらのパターンはAIモデルと人間の知覚とはほとんど区別できない。敵の例の懸念は劇的に上昇しており,その大きな影響のために多くの研究の先制によって引き付けられている。残念ながら,現在まで,防御のどれも非常に効果的でないことが示されている。本論文では,ラベルベースのエンドツーエンドシステムを用いることにより,敵の例に対する新しい防御戦略を導入した。著者らの提案した防御システムは,人間の介入なしで,主に敵のサンプルと良性の画像を区別することができる。著者らは,敵攻撃における空間領域の重要な役割を利用して,著者らの観測に基づく敵の例を検出するための最先端の方法を提案した。MNISTとImageNetを含む様々な標準ベンチマークデータセットに対するシステムの性能を評価した。提案した方法は,多くの設定において94.6%から99.2%の範囲で検出率に達した。Copyright 2020 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： 音声認識 ,  *画像変換 ,  自然言語処理 ,  コンピュータビジョン ,  エンドツーエンド方式 ,  ニューラルネットワーク ,  人体感覚
準シソーラス用語： 検出率 ,  防衛 ,  脆弱性 , 【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 (3件)： 画像変換 ,  敵対 ,  同定