文献

J-GLOBAL ID：202002289000174453   整理番号：20A2147155

IoTシステムにおける時系列分類モデルへの敵対攻撃に対抗する方法【JST・京大機械翻訳】

A Method for Resisting Adversarial Attack on Time Series Classification Model in IoT System

著者 (9件)： Yang Zhongguo (School of Information Science and Technology, North China University of Technology, Beijing, China) ,  Yang Zhongguo (Beijing Key Laboratory on Integration and Analysis of Large-Scale Stream Data, Beijing, China) ,  Li Han (School of Information Science and Technology, North China University of Technology, Beijing, China) ,  Li Han (Beijing Key Laboratory on Integration and Analysis of Large-Scale Stream Data, Beijing, China) ,  Zhang Mingzhu (School of Information Science and Technology, North China University of Technology, Beijing, China) ,  Zhang Mingzhu (Beijing Key Laboratory on Integration and Analysis of Large-Scale Stream Data, Beijing, China) ,  Wang Jingbin (Changqing Oilfield Company General Manager Office, Xian, China) ,  Liu Chen (School of Information Science and Technology, North China University of Technology, Beijing, China) ,  Liu Chen (Beijing Key Laboratory on Integration and Analysis of Large-Scale Stream Data, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12432  ページ： 559-566  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： IoT装置は,しばしば対応するデータセット,アルゴリズム,およびインフラストラクチャと関連する。しかし,深層学習アルゴリズムがこれらのデバイスに適用されるとき,多くの潜在的脅威がIoT基本インフラストラクチャに存在する。典型的に,深層学習法は,時系列データを分類するための基本決定アルゴリズムとして広く適用され,それはIoTデータ応用における重要なタスクである。それにもかかわらず,それらは敵対例に対して脆弱であり,それは,時系列データにおけるわずかな妨害が誤った決定に導くことができるような医療およびセキュリティのようないくつかの分野に潜在的リスクをもたらす。本論文では,時系列データに対するいくつかのホワイトボックス攻撃とランダム雑音攻撃を示した。さらに,元の時系列の1つの値だけを変化させる敵対例を示した。敵対的攻撃に抵抗するために,著者らは,深い特徴に基づく正常用例から敵対用例を区別するために,敵対的用例検出器を訓練した。敵対的用例検出器は,将来の障害発生の前に敵対的用例を濾過することができた。UCRデータセットに関する実験は,2つの一般的攻撃方法(FGSMとBIM)によって作り出される敵対例の97%を示した。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 ,  不規則雑音 ,  検出器 ,  *インフラストラクチャー ,  深層 ,  セキュリティ ,  学習アルゴリズム
準シソーラス用語： 敵意 ,  時系列データ ,  脆弱性 ,  障害発生 ,  *モノのインターネット ,  分類モデル ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 時系列分類(TSC) ,  敵対的攻撃 ,  ランダム雑音攻撃 ,  IoTアルゴリズムセキュリティ

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： IoT ,  時系列 ,  分類モデル ,  敵対 ,  攻撃