実用的顔認識システムのための強力な物理的敵対例【JST・京大機械翻訳】

Singh Inderjeet; Araki Toshinori; Kakizaki Kazuya

プレプリント

J-GLOBAL ID：202202212123436441 整理番号：22P0312148

実用的顔認識システムのための強力な物理的敵対例【JST・京大機械翻訳】

Powerful Physical Adversarial Examples Against Practical Face Recognition Systems

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 (3件)： , ,
資料名：
発行年： 2022年03月23日プレプリントサーバーでの情報更新日： 2022年03月23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)

最も既存の機械学習(ML)ベースの安全クリティカルアプリケーションは,敵対例(AX)と呼ばれる注意深く熟練した入力インスタンスに脆弱であることはよく知られている。敵対は,ディジタルおよび物理世界からこれらの目標システムを簡便に攻撃できる。本論文では,顔認識システムに対するロバストな物理的AXの生成を目的とする。強力な物理的AXを実現するための,新しい平滑損失関数とパッチ雑音コンボ攻撃を示した。平滑損失は,攻撃発生プロセスの間の遅延制約の概念を注入し,それによって,物理的ドメインのための最適化複雑性とよりスムーズなAXのより良い取扱いを引き起こす。パッチノイズコンボ攻撃は,強力な登録ベースの物理的AXを生成するため,パッチノイズと,異なる分布からの不感な小雑音を結合する。広範な実験解析は,著者らの平滑損失が,従来の技術よりもロバストで,より移動可能なディジタルおよび物理的AXsをもたらすことを見出した。特に,著者らの平滑損失は,物理的ホワイトボックスおよびブラックボックス攻撃において,それぞれ1.17および1.97倍の平均攻撃成功率(ASR)をもたらした。このパッチ雑音コム攻撃は,さらに,物理的世界ホワイトボックスとブラックボックス攻撃において,従来の技術より2.39と4.74倍高い平均ASRの性能利得と結果をもたらした。【JST・京大機械翻訳】

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

データ保護 , 人工知能

, ,

前のページに戻る