敵対的蒸留トレーニングによるECG分類における敵対攻撃に対する防御【JST・京大機械翻訳】

Shao Jiahao; Geng Shijia; Fu Zhaoji; Xu Weilun; Liu Tong; Hong Shenda

プレプリント

J-GLOBAL ID：202202213753878503 整理番号：22P0306137

敵対的蒸留トレーニングによるECG分類における敵対攻撃に対する防御【JST・京大機械翻訳】

Defending Against Adversarial Attack in ECG Classification with Adversarial Distillation Training

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03月14日プレプリントサーバーでの情報更新日： 2022年03月14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)

診療所では,医師は心電図(ECG)に依存し,重度の心臓障害を評価する。技術の発展と健康意識の増加のため,ECGシグナルは現在,医療と市販デバイスを用いて得られている。深層ニューラルネットワーク(DNN)は,それらの高精度速度のため,これらの信号を分析するために使用できる。しかし,研究者は,敵対攻撃がDNNの精度を著しく減らすことができることを見出した。ECGベースのDNNを,投影された勾配降下(PGD),およびECG分類を目標とする滑らかな敵対的摂動(SAP)のような従来の敵対攻撃に対して防御する研究を行った。しかし,著者らの知る限りでは,ECG分類を目標とする敵対攻撃に対する防御を完全に調査しなかった。このように,著者らは,ホワイトボックス敵対攻撃とブラックボックス敵対攻撃に対する防御方法の影響を,ECG分類に標的化する,異なる実験を行い,いくつかの一般的な防御法が,これらの攻撃に対して良好に機能することを見出した。さらに,防御蒸留から来るAdversarial Distillation 訓練(ADT)と呼ばれる新しい防御法を提案し,DNNの一般化性能を効果的に改善できる。結果は,著者らの方法が,他のベースライン方法,すなわち,敵対訓練,防御蒸留,Jacob正則化,および信号対雑音比正則化より,ECG分類を目標とする敵対攻撃に対して,より効果的に実行したことを示した。さらに,この方法が低雑音レベルでPGD攻撃に対して良好に機能し,この方法がより強いロバスト性を持つことを意味した。【JST・京大機械翻訳】

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

データ保護 , パターン認識 , ニューロコンピュータ , 人工知能

, , , , , ,

前のページに戻る