Steal?Cont-Steal!  画像エンコーダに対するコントラスト盗聴攻撃【JST・京大機械翻訳】

Sha Zeyang; He Xinlei; Yu Ning; Backes Michael; Zhang Yang

プレプリント

J-GLOBAL ID：202202205703711532 整理番号：22P0276673

Steal?Cont-Steal! 画像エンコーダに対するコントラスト盗聴攻撃【JST・京大機械翻訳】

Can't Steal? Cont-Steal! Contrastive Stealing Attacks Against Image Encoders

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 (5件)： , , , ,
資料名：
発行年： 2022年01月19日プレプリントサーバーでの情報更新日： 2023年03月27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)

自己教師付き表現学習技術は,ラベルなし画像を完全に利用するために急速に発展してきた。それらは,下流タスクに obしい豊富な特徴に画像を符号化する。彼らの革命的表現力,専用モデル設計のための要求,および大量の計算資源は,画像エンコーダを潜在的モデルステーリング攻撃のリスクに曝し,要求を回避しながら,よく訓練された符号器性能を模倣するための安価な方法である。しかし,従来の攻撃は,それらの予測ラベルおよび/または後部を与えられたターゲット教師つき分類器のみを目標とし,教師なしエンコーダの脆弱性を探索した。本論文では,まず,符号器に対する従来のシーリング攻撃を即時化し,下流分類器と比較して,それらの厳しい脆弱性を実証した。エンコーダの豊富な表現をよりよく活用するために,著者らはさらにCont-Stal,コントラスト学習ベース攻撃を提案し,様々な実験設定における改善処理有効性を検証した。 take路として,著者らは,著者らのコミュニティの注意を,表現学習技術の知的所有権保護,特に,著者らのようなエンコーダ攻撃に対する防御に対して,アピールした。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , ,

前のページに戻る