リモートセンシングにおけるユニバーサル敵対例:方法論とベンチマーク【JST・京大機械翻訳】

Xu Yonghao; Ghamisi Pedram

プレプリント

J-GLOBAL ID：202202205314959502 整理番号：22P0289666

リモートセンシングにおけるユニバーサル敵対例:方法論とベンチマーク【JST・京大機械翻訳】

Universal Adversarial Examples in Remote Sensing: Methodology and Benchmark

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 (2件)： ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年07月17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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層ニューラルネットワークは多くの重要なリモートセンシングタスクにおいて大きな成功を達成した。それにもかかわらず,敵対例に対する脆弱性は無視できない。本研究では,犠牲者モデルからの知識なしに,初めてリモートセンシングデータにおける普遍的な敵対例を系統的に解析した。特に,リモートセンシングデータのために,新しいブラックボックス敵対攻撃法,すなわち,Mixup-Attack,およびその簡単な変異体Mixcut-Attackを提案した。提案方法の鍵となるアイデアは,与えられた代理モデルの浅い層における特徴を攻撃することによって,異なるネットワークの間の一般的脆弱性を見つけることである。それらの単純さにもかかわらず,提案方法は,高い成功率で,シーン分類と意味的セグメンテーションタスクの両方で最先端の深層ニューラルネットワークのほとんどを削除する移動可能な敵対例を生成することができる。さらに,UAE-RSというデータセットにおいて生成された普遍的な敵対例を提供し,これはリモートセンシング分野でブラックボックス敵対サンプルを提供する最初のデータセットである。UAE-RSは,遠隔センシング分野における敵対攻撃に対して強い抵抗を持つ深いニューラルネットワークを設計するのに役立つベンチマークとして役立つ可能性がある。コードとUAE-RSデータセットはオンライン(https://github.com/YonghaoXu/UAE RS)である。【JST・京大機械翻訳】

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

データ保護 , 人工知能

, , ,

前のページに戻る