文献

J-GLOBAL ID：202102235297704705   整理番号：21A0087910

ソーシャル商品のための機械学習モデル攻撃【JST・京大機械翻訳】

Attacking Machine Learning Models for Social Good

著者 (4件)： Belavadi Vibha (University of Texas at Dallas, Richardson, TX, USA) ,  Zhou Yan (University of Texas at Dallas, Richardson, TX, USA) ,  Kantarcioglu Murat (University of Texas at Dallas, Richardson, TX, USA) ,  Thuriasingham Bhavani (University of Texas at Dallas, Richardson, TX, USA)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12513  ページ： 457-471  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： 機械学習(ML)技術が広く用いられているので,自動化の有害効果の認識が成長している。特に,重大な決定を行う問題領域において,機械学習ベースアプリケーションは公平性とプライバシーに関して倫理的問題を高める可能性がある。MLコミュニティにおける公平性とプライバシーに関する既存の研究は,主にMLモデル訓練フェーズの間,修復を提供することに焦点を合わせる。残念なことに,そのような修復は,利益に関する産業によって自発的に採用されないかもしれない。本論文では,ユーザエンドから,その社会的説明可能性問題を改善するために,MLシステムを「ゲーム」に「ゲーム」するための公正かつレジイマート技術を適用することを提案した。敵対攻撃はMLシステムによる改ざんに活用できるが,それらは社会的良好にも使用できることを示した。実世界画像と信用データに対する提案技法の有効性を実証した。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： 自動化 ,  ゲーム ,  コミュニティ ,  プライバシー ,  人工知能 ,  有効性 ,  *機械学習 ,  公平性
準シソーラス用語： 敵意 , 【Automatic Indexing@JST】

著者キーワード (4件)： 敵対的機械学習 ,  敵対的攻撃 ,  人工知能公平性 ,  データプライバシー

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 商品 ,  機械学習 ,  モデル ,  攻撃