文献

J-GLOBAL ID：202002258645113000   整理番号：20A2635958

摂動因子分解によるスパース敵対攻撃【JST・京大機械翻訳】

Sparse Adversarial Attack via Perturbation Factorization

著者 (7件)： Fan Yanbo (Tencent AI Lab, Shenzhen, China) ,  Wu Baoyuan (Tencent AI Lab, Shenzhen, China) ,  Li Tuanhui (Tencent AI Lab, Shenzhen, China) ,  Zhang Yong (Tencent AI Lab, Shenzhen, China) ,  Li Mingyang (Tsinghua Shenzhen International Graduate School, Tsinghua University, Beijing, China) ,  Li Zhifeng (Tencent AI Lab, Shenzhen, China) ,  Yang Yujiu (Tsinghua Shenzhen International Graduate School, Tsinghua University, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12367  ページ： 35-50  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本研究は,摂動画像が1つの深層ニューラルネットワーク(DNN)モデルによって不正確に予測されるように,1つの良性画像の部分的位置への敵対的摂動を生成することを狙ったスパース敵対攻撃を研究した。まばらな敵対攻撃は2つの課題,即ち,摂動,および摂動の大きさを決定する方法を含む。多くの既存の研究は,手動または発見的に摂動位置を決定し,次に,高密度敵対攻撃のために設計された適切なアルゴリズムを用いて,その大きさを最適化した。本研究では,摂動の大きさおよび1つの二値選択因子(すなわち,0または1)を含む2つの変数の積に対する各画素における摂動を因数化することを提案する。1つのピクセルは,その選択因子が1,さもなければ摂動されないならば摂動される。この因数分解に基づき,スパース攻撃問題を混合整数計画法(MIP)として定式化し,全画素の二値選択因子と連続摂動の大きさを共同最適化し,スパース度を明示的に制御するための選択因子に対する基本制約を持つ。さらに,摂動因数分解により,選択因子または大きさに他の意味ある制約を組み込んで,グループワイズスパース性または強化された視覚不感性のような望ましい性能を達成する,余分な柔軟性を提供した。連続最適化問題としてMIP問題を等価的に再定式化することにより効率的なアルゴリズムを開発した。広範な実験は,いくつかの最先端のスパース攻撃法に対して提案した方法の優位性を実証した。提案方法の実装は,利用可能である。Copyright Springer Nature Switzerland AG 2020 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 ,  最適化 ,  視覚 ,  因数分解 ,  混合整数計画法 ,  画素 ,  柔軟性 ,  定式化 ,  *摂動
準シソーラス用語： 敵意 ,  因子分解 ,  高密度 ,  連続最適化 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 摂動因数分解 ,  スパース敵対攻撃 ,  混合整数計画法

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 (4件)： 摂動 ,  因子分解 ,  敵対 ,  攻撃