変分モデル反転攻撃【JST・京大機械翻訳】

Wang Kuan-Chieh; Fu Yan; Li Ke; Khisti Ashish; Zemel Richard; Makhzani Alireza

プレプリント

J-GLOBAL ID：202202207562123600 整理番号：22P0279947

変分モデル反転攻撃【JST・京大機械翻訳】

Variational Model Inversion Attacks

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月26日プレプリントサーバーでの情報更新日： 2022年01月26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の遍在性を考えると,これらのモデルは,それらが訓練された敏感なデータに関する情報を明らかにしないことが重要である。モデル反転攻撃において,悪意のあるユーザは,教師つきニューラルネットワークを訓練するために使用される個人データセットを復元することを試みた。成功したモデル反転攻撃は,個人データセットにおける各クラスを正確に記述する現実的で多様なサンプルを生成するべきである。本研究では,モデル反転攻撃の確率的解釈を提供し,多様性と精度の両方を説明する変分目的を定式化した。この変分目的を最適化するために,著者らは,ターゲットデータセットといくつかの構造的類似性を共有する公共補助データセット上で訓練された,深い生成モデルのコード空間で定義された変分ファミリーを選択した。経験的に,著者らの方法は,顔と胸部X線画像のデータセットに関する目標攻撃精度,サンプルリアリズム,および多様性に関して性能を大幅に改善した。【JST・京大機械翻訳】

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

人工知能 , ニューロコンピュータ

, ,

前のページに戻る