Meta学習によるブラックボックス敵対攻撃のブースティング【JST・京大機械翻訳】

Fu Junjie; Sun Jian; Wang Gang

プレプリント

J-GLOBAL ID：202202203665640925 整理番号：22P0311257

Meta学習によるブラックボックス敵対攻撃のブースティング【JST・京大機械翻訳】

Boosting Black-Box Adversarial Attacks with Meta Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月28日プレプリントサーバーでの情報更新日： 2022年03月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層ニューラルネットワーク(DNN)は多様な分野で顕著な成功を達成した。しかし,DNNはブラックボックス設定でも敵対例に対して非常に脆弱であることが実証された。多数のブラックボックス攻撃法が文献で提案されている。しかし,これらの方法は,通常,低い成功率と大きなクエリー数に悩まされ,実際の目的を完全に満たすことができない。本論文では,代理モデル上でメタ広告摂動(MAP)を訓練し,モデルの勾配を推定することによりブラックボックス攻撃を実行するハイブリッド攻撃法を提案した。提案手法では,初期化としてメタ広告摂動を用い,その後,いくつかの時代に対して任意のブラックボックス攻撃法を訓練する。さらに,MAPは,他のブラックボックス敵対攻撃方法の性能向上に使用できるという意味で,好ましい転送性と普遍性を持っている。大規模な実験は,著者らの方法が攻撃成功率を改善するだけでなく,他の方法と比較してクエリの数を減らすこともできることを証明した。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , , , , 【Automatic Indexing@JST】

データ保護

, , , ,

前のページに戻る