文献

J-GLOBAL ID：202002272622885169   整理番号：20A2767741

レーザ故障注入に対する深層ニューラルネットワーク抵抗のセキュリティ評価【JST・京大機械翻訳】

Security Evaluation of Deep Neural Network Resistance Against Laser Fault Injection

著者 (6件)： Hou Xiaolu (Nanyang Technological University,Singapore) ,  Breier Jakub (Nanyang Technological University,Singapore) ,  Jap Dirmanto (Nanyang Technological University,Singapore) ,  Ma Lei (Kyushu University,Japan) ,  Bhasin Shivam (Nanyang Technological University,Singapore) ,  Liu Yang (Nanyang Technological University,Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IPFA  ページ： 1-6  発行年： 2020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： 深層学習は,自律車両,健康システムなど多くの応用分野における意思決定システムの基盤となり,誤分類のリスクが重大な結果をもたらす。様々なタイプの敵対条件に対してロバストである深層ニューラルネットワーク(DNN)がどの程度かを知る必要がある。本論文では,様々なシステムのロバスト性をテストするために,セキュリティと信頼性コミュニティで主に使用される物理的攻撃技法であるレーザ故障注入を用いて,埋込みデバイスに実装されたDNNを実験的に評価した。著者らは,4つの活性化関数,ReLu,ソフトマックス,シグモイド,およびtanhに関する実用的結果を示した。著者らの結果は,ネットワークの隠れ層に故障を注入することによって達成されたDNNの誤分類の可能性を指摘する。いくつかの異なる攻撃戦略を用いてDNNを評価し,誤分類成功率に関して最も効率的なことを示した。本研究の成果は,悪意のある攻撃者が,故障をもたらす不安定な条件に装置をもたらす環境パラメータで改ざる環境において,DNNを実行する装置を展開するとき,考慮されるべきである。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： 信頼性 ,  *ネットワーク ,  コミュニティ ,  ロバスト性 ,  安全評価 ,  セキュリティ
準シソーラス用語： 自律性 ,  *故障注入 ,  隠れ層 ,  活性化関数 ,  成功率 ,  深層学習 ,  意思決定システム ,  攻撃者 ,  *ディープニューラルネットワーク , 【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 (4件)： レーザ ,  故障注入 ,  深層ニューラルネットワーク ,  セキュリティ評価