文献

J-GLOBAL ID：202102230238130431   整理番号：21A0673548

メンバシップ推論攻撃:解析と軽減【JST・京大機械翻訳】

Membership Inference Attacks: Analysis and Mitigation

著者 (2件)： Shuvo Md Shamimur Rahman (University of New Brunswick,Department of Computer Science,Fredericton,Canada) ,  Alhadidi Dima (School of Computer Science, University of Windsor,Windsor,Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TrustCom  ページ： 1410-1419  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： 機械学習モデルと記録を考慮して,メンバーシップ攻撃は,この記録がモデルの訓練データセットの一部として使用されたかどうかを決定する。メンバーシップ推論は,これらのデータセットが機械学習モデルを訓練するのに用いられるならば,私的データセットにリスクを与えることができ,得られたモデルへのアクセスは公開されている。攻撃モデルを構築するために,ターゲットモデルの挙動を模倣する複数のシャドウモデルを作成したが,訓練データセットを知り,従って,これらのデータセットにおけるメンバーシップについてのグランドトルースを知っている。次に,攻撃モデルを,影モデルのラベル入力と出力に関して訓練した。この攻撃についてより多くの分析を行うため,またそれに応じて,目標モデルの効用に影響しないロバストな緩和技術を提供する。本論文では,モデル数と訓練アルゴリズムの型に関連する異なる視点からこの攻撃を経験的に解析した。また,ターゲットモデルの異なる訓練アルゴリズムを考慮して,この種の攻撃に対する異なる緩和技術を提案し,評価した。著者らの実験は,防御戦略が,目標モデルの有用性を保存しながら,かなりメンバーシップ推論攻撃を緩和することを示した。最後に,既存の緩和技術を著者らの結果と比較した。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： *緩和現象 ,  ロバスト性 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 防衛 ,  訓練データ ,  グランドトゥルース , 【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)： メンバ ,  シップ ,  推論 ,  攻撃 ,  解析