一般雑音分布のためのl_0攻撃の下でのバイナリ分類【JST・京大機械翻訳】

Delgosha Payam; Hassani Hamed; Pedarsani Ramtin

プレプリント

J-GLOBAL ID：202202214870454540 整理番号：22P0301505

一般雑音分布のためのl_0攻撃の下でのバイナリ分類【JST・京大機械翻訳】

Binary Classification Under $\ell_0$ Attacks for General Noise Distribution

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09日プレプリントサーバーでの情報更新日： 2022年03月09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)

データにおける小さな摂動が主要な性能劣化をもたらすという事実により,敵対的用例は最近,機械学習の分野でかなりの注目を集めている。この現象は,通常,あるノルムで有界のような制約された方法でデータに摂動を適用できる悪意のある敵対によってモデル化される。本論文では,敵対がl_0ノルムによって制約される場合,この問題を研究した。即ち,それは入力において一定の数の座標を摂動できるが,どれくらいの座標を摂動できるかは限らない。この設定のコンビナトリアル性質のため,この問題に取り組むためにロバスト機械学習における標準技術を超える必要がある。真のラベルの雑音の多いデータサンプルが敵対的摂動後に著者らに提供される二値分類シナリオを考察した。打ち切りと呼ばれる非線形成分を用いる分類法を導入し,敵対が√d以上のデータサンプルよりも摂動されない限り,漸近的シナリオで示すように,著者らは敵対がないときに最適分類誤差をほとんど達成することができ,即ち,敵対効果を完全に中和できる。驚くべきことに,著者らは,逆議論を用いて,著者らは,敵対が√d座標以上を摂動できるならば,分類器がランダム推定よりも良いことができないことを示した。【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