ヤコビアンアンサンブルは敵対攻撃に対するロバスト性トレードオフを改善する【JST・京大機械翻訳】

Co Kenneth T.; Martinez-Rego David; Hau Zhongyuan; Lupu Emil C.

プレプリント

J-GLOBAL ID：202202218059495275 整理番号：22P0334014

ヤコビアンアンサンブルは敵対攻撃に対するロバスト性トレードオフを改善する【JST・京大機械翻訳】

Jacobian Ensembles Improve Robustness Trade-offs to Adversarial Attacks

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 (4件)： , , ,
資料名：
発行年： 2022年04月19日プレプリントサーバーでの情報更新日： 2022年04月19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)

深層ニューラルネットワークは,著者らのソフトウェアインフラストラクチャの不可欠な部分になっており,多くの広く利用され,安全クリティカルなアプリケーションで展開されている。しかし,多くのシステムへのそれらの統合は,また,普遍的な敵対的摂動(UAP)の形での時間攻撃をテストするための脆弱性をもたらす。UAPは,任意の入力に応用される場合,モデル誤分類を誤分類する摂動のクラスである。これらの敵対攻撃に対してモデルを防御する進行中の努力があるが,モデル精度におけるトレードオフと敵対攻撃に対するロバスト性を調和させることは,しばしば困難である。Jacobi正則化はUAPに対するモデルのロバスト性を改善することが示されているが,モデルアンサンブルは予測性能とモデルロバスト性の両方を改善するために広く採用されている。本研究では,モデル精度を維持または改善しながら,UAPに対するロバスト性を著しく増加させるために,Jacobi正則化とモデルアンサンブルの組合せという新しいアプローチを提案した。その結果,Jacobiアンサンブルは精度およびロバスト性の従来からないレベルを達成し,精度またはロバスト性のいずれかに対してゆがみする傾向がある以前の方法を大幅に改善することを示した。【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