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。
敵対例における物理的攻撃の最も脅威となる形態の1つであるパッチ攻撃は,ネットワークを連続領域で任意に修正することにより誤分類を誘導することができる。認証パッチ防御は,分類器がパッチ攻撃によって影響されないロバスト性を保証することができる。既存の証明可能パッチ防御は分類器のクリーン精度を犠牲にし,トイデータセットに対して低い認証精度しか得られない。さらに,これらの方法のクリーンで保証された精度は,通常分類ネットワークの精度よりも有意に低く,実際にそれらの応用を制限する。実用的証明可能パッチ防御に向けて移動するために,著者らは,Deランダム化平滑化(DS)のフレームワークにVision変換機(ViT)を導入した。具体的には,大域的意味情報を保存しながら,画像のより識別可能な局所コンテキストを捉えることができる,Vision変換器を訓練するための,進行性平滑化画像モデリングタスクを提案した。実世界における効率的な推論と展開のために,著者らは,オリジナルのViTのグローバル自己注意構造を,孤立バンドユニット自己注意に革新的に再構成する。ImageNet上で,2%の面積パッチ攻撃の下で,著者らの方法は,41.70%認証精度を達成し,以前の最良方法(26.00%)よりもほぼ1倍増加する。同時に,この方法は78.58%のクリーン精度を達成し,これは通常のResNet-101精度に非常に近い。広範な実験は,著者らの方法がCIFAR-10とImageNetに効率的に推論する最先端のクリーンで認証された精度を得ることを示す。【JST・京大機械翻訳】