敵対攻撃とロバスト性に対する防衛モデルを評価するための重要なチェックポイント【JST・京大機械翻訳】

Tekwani Kanak; Parmar Manojkumar

プレプリント

J-GLOBAL ID：202202209055196835 整理番号：22P0291651

敵対攻撃とロバスト性に対する防衛モデルを評価するための重要なチェックポイント【JST・京大機械翻訳】

Critical Checkpoints for Evaluating Defence Models Against Adversarial Attack and Robustness

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18日プレプリントサーバーでの情報更新日： 2022年02月18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)

過去の対から,制約された条件(いくつかの有界入力またはデータセットに関して評価)における既存の攻撃のほとんどに対して,議論可能な,機械学習における敵対のための防御モデルを提案している研究者のサイクルがある。そして,次に,より強力な攻撃モデルを提案して,その防御モデルの脆弱性を見つけて,それを破壊する研究者のもう1つのセットを短くした。非常に短時間で破壊された過去の防御モデルにおいて,いくつかの共通欠陥が注目されている。多くの重要な活動の決定が機械学習モデルの助けで取られるので,容易に破壊される欠陥モデルは懸念の点である。したがって,いくつかの防御チェックポイントの支配欲な必要性があり,それは,技術の健全性を評価して,それを,それを,防御技術に宣言する間,どんな研究者も念頭に置くべきである。本論文では,防御モデルの健全性を構築,評価しながら考慮されるべき少数のチェックポイントを提案した。すべてのこれらの点は,いくつかの過去の防御モデルが失敗し,いくつかのモデルがアダマントを維持し,いくつかの非常に強い攻撃に対してその健全性を証明した後に推奨される。【JST・京大機械翻訳】

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

人工知能 , データ保護

, , , , , ,

前のページに戻る