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。
kNN分類器とニューラルネットワークとkNNを結合する分類器の敵対例に対するロバスト性を研究した。主な困難は,kNNに対する最適攻撃を見つけることが,典型的なデータセットに対して困難であるという事実にある。本研究では,Sitawarin&Wagner[1]による以前の研究に触発されたkNNおよびkNNベース防御に対する勾配ベース攻撃を提案した。著者らは,著者らの攻撃が,計算時間における最小増加だけでテストしたすべてのモデルに対して,それらの方法より優れていることを実証した。また,攻撃は,k>1が実行時間の1%未満を使用するとき,kNNに関して最先端の攻撃[2]を打ち消す。この攻撃はkNNとその変異体のロバスト性を評価するための新しいベースラインとして使用できることを期待する。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】