文献

J-GLOBAL ID：202102253467900544   整理番号：21A0074575

敵対攻撃に対するロバストなソースカメラ同定【JST・京大機械翻訳】

Robust source camera identification against adversarial attacks

著者 (5件)： Lin Hui (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Wo Yan (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Wu Yuanlu (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Meng Ke (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Han Guoqiang (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China)
資料名： Computers & Security  (Computers & Security)
巻： 100  ページ： Null  発行年： 2021年 
JST資料番号： E0995A  ISSN： 0167-4048  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワーク(DNN)の応用は,ソースCamera同定(SCI)の性能を劇的に改善したが,敵対攻撃から容易に苦しむ。これらの攻撃は,識別可能な雑音で同定された結果を改ざすことによって,セキュリティ問題を提起する。この問題に取り組むため,多様体上のDNNベースSCIモデルに対する特徴抽出マッピングを解析し,脆弱性がマッピングの振動から来ることを発見した。これを考慮して,特徴抽出マッピングは,ロバストSCIのための新しい設計原理として局所的に滑らかで情報単調性を満たすべきであり,従って,防御方式を開発した。提案方式は,情報単調性を保証し,2つの多様体上の局所統計座標間のKullback Leibler Diversion(KLD)を最小化することによって十分な統計量を達成する局所滑らかなマッピングを構築する。提案手法の有用性を高めるために,2相訓練戦略により訓練されたPre-Defenseネットワーク(PDN)を用いて実装し,ロバスト性,精度および携帯性を保証した。Dresden画像データセットに関する実験は,提案した防御法が敵対攻撃に対するDNNベースSCIモデルに対する強いロバスト性を提供するだけでなく,既存の防御法よりも同等あるいは優れた同定性能を与えることを実証した。さらに,PDNは他のDNNベースSCIモデルに移動するとき,余分の再訓練なしに防御効果を示した。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  多様体 ,  ネットワーク ,  特徴抽出 ,  統計量 ,  携帯型 ,  保護作用 ,  *ロバスト性 ,  セキュリティ
準シソーラス用語： 防衛 ,  脆弱性 ,  単調性 ,  設計原理 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： ソースカメラ同定 ,  ロバスト性 ,  敵対的攻撃 ,  深層ニューラルネットワーク ,  平滑マッピング ,  情報単調性

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (5件)： 敵対 ,  攻撃 ,  ロバスト ,  ソース ,  同定