文献

J-GLOBAL ID：202102218723734929   整理番号：21A0153255

SentiNet:深層学習システムのための局所化ユニバーサル攻撃の検出【JST・京大機械翻訳】

SentiNet: Detecting Localized Universal Attacks Against Deep Learning Systems

著者 (3件)： Chou Edward (Carnegie Mellon University,Pittsburgh,USA) ,  Tramer Florian (Stanford University,Stanford,USA) ,  Pellegrino Giancarlo (CISPA Helmholtz Center for Information Security,Saarbrcken,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SPW  ページ： 48-54  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： SentiNetは,ニューラルネットワーク上の局所ユニバーサル攻撃の新しい検出フレームワークである。これらの攻撃は,画像の隣接部分に対する敵対雑音を制限し,物理的に実現可能な攻撃を生成するのに有用な異なる画像制約で再利用可能である。敵対的検出に関するほとんどの他の研究と異なり,SentiNetは,検出の前に攻撃のモデルまたは知識を訓練することを必要としない。著者らのアプローチは,攻撃特異的防御が考慮されなければならない多数の可能な機構と攻撃ベクトルのために魅力的である。攻撃に対するニューラルネットワークの感受性と検出機構としてのモデル解釈性と物体検出からの技術を用いて,SentiNetはモデルの弱点を強度に変えた。3つの異なる攻撃,すなわち,データ被毒攻撃,トロジャンドネットワーク,および敵対的パッチ(物理的に実現可能な攻撃を含む)に対するSentiNetの有効性を実証し,著者らの防御が3つのすべての脅威に対して非常に競合的な性能計量を達成できることを示した。最後に,SentiNetは,SentiNetアーキテクチャの成分を特にターゲットとする敵対的パッチを構築する強力な適応敵対に対してロバストであることを示した。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： 雑音 ,  ベクトル ,  *ネットワーク ,  ニューラルネットワーク ,  感受性 ,  有効性 ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： 敵意 ,  防衛 ,  物体検出 ,  局在化 ,  *深層学習 , 【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)： 深層学習 ,  局所化 ,  攻撃