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。
近年,研究者は,L_0,L_1,L_2,およびL_無限大ノルム有界敵対攻撃を含むさまざまな脅威モデルにおける敵対的ロバスト性を広く研究している。しかし,分数L_p”ノルム”(L_p距離が0<p<1で定義される準ノルム)によって有界された攻撃は,まだ完全には考慮されていない。著者らは,いくつかの望ましい特性による防御を積極的に提案して,それは,証明可能(認証)ロバスト性,画像Netに対するスケール,および量子化データ(例えば画像)に適用したとき,決定論的(高い確率)保証を提供する。分数L_pロバスト性に対する著者らの技法は,任意の0<p<1に対して,L_p^pメトリックに関して大域的にLipschitzである,表現的で深い分類器を構築する。しかしながら,この方法はさらに一般的であり,著者らは,成分の凹関数の和として定義される任意の計量に関して,大域的Lipschitzである分類器を構築することができた。著者らのアプローチは,L_1攻撃に対して証明可能な防御を提供する,最近の研究,LevineおよびFeizi(2021)上に構築する。しかし,提案した保証は,(LevineとFeizi,2021)を直接用いて,ノルム不等式を適用するという自明な解と比較して,非常に無害であることを実証する。コードはhttps://github.com/alevine0/fractionalLpRobustnessで利用可能である。【JST・京大機械翻訳】
