文献

J-GLOBAL ID：202102213824143130   整理番号：21A0539669

通信ネットワークにおけるDLに基づく敵対攻撃の評価【JST・京大機械翻訳】

Evaluation of Adversarial Attacks Based on DL in Communication Networks

著者 (2件)： Bao Zhida (Harbin Engineering University,College of Information and Communication Engineering,Harbin,China) ,  Zhao Haojun (Harbin Engineering University,College of Information and Communication Engineering,Harbin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DSA  ページ： 251-252  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： 深層ニューラルネットワーク(DNN)は,メモリ,特徴同定および自動解析の強力な能力を持ち,様々な複雑な問題を解決する。しかし,DNN分類器は,元の例に対していくつかの目立たない摂動を加える明白な脆弱性を持ち,分類器識別の誤差をもたらす。通信の分野において,敵対用例は信号同定の精度を大いに減らし,大きな情報セキュリティリスクを引き起こす。敵対例を考慮することは,DNNモデルのセキュリティに深刻な脅威を与え,それらの発生メカニズムを研究し,それらの攻撃効果をテストすることは,通信ネットワークの情報セキュリティを確保するために重要である。本論文は,DNNベースの通信信号同定の精度に及ぼす敵対例と敵対例の影響の研究を研究する。一方,本論文は,ホワイトボックスモデルとブラックボックスモデルの下で敵対例の影響を研究して,摂動レベルと反復ステップのような因子の敵対的攻撃影響を探究した。本研究の洞察は,情報ネットワークのセキュリティを保証し,ロバストなDNN通信ネットワークを設計するのに役立つであろう。Copyright 2021 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： 記憶装置 ,  *通信網 ,  情報ネットワーク ,  ブラックボックス ,  通信信号 ,  摂動 ,  ロバスト性 ,  セキュリティ ,  情報セキュリティ
準シソーラス用語： 脆弱性 ,  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 (5件)： 通信ネットワーク ,  DL ,  敵対 ,  攻撃 ,  評価