文献

J-GLOBAL ID：202102245995434755   整理番号：21A0231569

標的重み摂動によるバックドア畳込みニューラルネットワーク【JST・京大機械翻訳】

Backdooring Convolutional Neural Networks via Targeted Weight Perturbations

著者 (2件)： Dumford Jacob (University of Notre Dame) ,  Scheirer Walter (University of Notre Dame)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCB  ページ： 1-9  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： 畳込みニューラルネットワーク(CNN)の脆弱性を利用する新しいホワイトボックスバックドア攻撃を提示した。特に,顔認識の適用を検討した。深層学習技術は顔認証のためのゲームのトップにあり,それらは現在多くの生産レベルシステムに実装されていることを意味する。操作システムやネットワークデバイスのような他の商用技術とは異なり,深い学習ベース顔認識アルゴリズムは,セキュリティ要件や展開前のセキュリティ脆弱性の監査により現在設計されていない。いかにこの技術がいかにして,これらのアルゴリズムの多くの内部作業が抽象的であるか,ニューラルネットワークベースの顔認証システムがセキュリティブリーチのための主要なターゲットである。ますます多くの個人情報が顔認識(例えば,iPhone X)によって保護され始めるので,侵入試験の観点からこれらのシステムのセキュリティ脆弱性を探求することが重要である。これらの線に沿って,著者らは,標的重量摂動によるCNNのバックドアリングのための一般的方法論を記述する。事例研究として5層CNNとResNet-50を用いて,攻撃者は,それらが供給する入力がCNNによって誤って受け入れられる機会を著しく増加させることができるが,同時に,正当な登録クラスに対する誤り率を保存することを示した。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： アルゴリズム ,  学習 ,  ゲーム ,  *ニューラルネットワーク ,  漂白 ,  誤り率 ,  事例研究 ,  *摂動 ,  セキュリティ
準シソーラス用語： 脆弱性 ,  顔認証 ,  顔貌認識 ,  深層学習 ,  攻撃者 ,  *畳込み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 (4件)： 標的 ,  摂動 ,  バックドア ,  畳込みニューラルネットワーク