抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】