文献

J-GLOBAL ID：202202210895667728   整理番号：22A0498435

AIシステムを確保するための敵対的機械学習ツールの評価【JST・京大機械翻訳】

Evaluation of adversarial machine learning tools for securing AI systems

著者 (2件)： Asha S. (Department of Computer Science & Engineering, SCMS School of Engineering & Technology (Affiliated to APJ Abdul Kalam Technological University, Trivandrum, India), Ernakulam, India) ,  Vinod P. (Department of Computer Applications, Cochin University of Science & Technology, Cochin, India)
資料名： Cluster Computing  (Cluster Computing)
巻： 25  号： 1  ページ： 503-522  発行年： 2022年 
JST資料番号： W4172A  ISSN： 1386-7857  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人工知能は,人間知能を必要とするタスクを遂行できる知的システムの構築を目指している。近年の研究は,機械学習アルゴリズムにおける多くの潜在的脆弱性を明らかにした。これらの脆弱性を利用するために,攻撃者は機械学習アルゴリズムによって不正確に処理される敵対的入力を設計することを試みる。本論文では,敵対サンプルを生成する方法に焦点を当て,可能な対策を論じた。提案手法は,6つの利用可能な敵対性ロバスト性ツールを用いて,異なる機械学習モデルのロバスト性を効果的にチェックし,それらの現在の開発状態を要約した。本研究は,これらのツールの特徴を比較し,ツール間の類似性と差異,それらの強度と弱点,および理論的方法とそれらの実装の間のトレース接続について比較した。本論文は,ロバスト解を開発し,それらの実験を加速する研究者と科学者のより多くの洞察を提供する。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 人工知能 ,  類似性 ,  *人工知能システム ,  ロバスト性 ,  発作 ,  *機械学習 ,  学習アルゴリズム ,  サイバー攻撃
準シソーラス用語： インテリジェントシステム ,  脆弱性 ,  学習ツール ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (5件)： 敵対的機械学習 ,  回避攻撃 ,  中毒発作 ,  敵対的ロバスト性ツール ,  機械学習モデル

分類 (2件)： 人工知能  (JE08000Z) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： AIシステム ,  敵対的機械学習 ,  ツール ,  評価