文献

J-GLOBAL ID：202202222843300369   整理番号：22A0483070

反復デマルケーションによる敵対バックドア除去のための特徴ベースオンライン検出器【JST・京大機械翻訳】

A Feature-Based On-Line Detector to Remove Adversarial-Backdoors by Iterative Demarcation

著者 (5件)： Fu Hao (Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA) ,  Veldanda Akshaj Kumar (Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA) ,  Krishnamurthy Prashanth (Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA) ,  Garg Siddharth (Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA) ,  Khorrami Farshad (Department of Electrical and Computer Engineering, New York University, Brooklyn, NY, USA)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 5545-5558  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文は,バックドア攻撃のために,新しい特徴ベースのオンライン検出戦略,反復的境界(RAID)による移動広告-Backdosを提案する。提案方法は,オフライン訓練とオンライン再訓練の2つの部分から成る。オフライン訓練において,新規検出器と浅いニューラルネットワークを,クリーン検証データで訓練した。オンライン実施の間,両方のモデルは,検証データ(すなわち,偽陽性として,おそらく,偽陽性としていくつかの清浄なサンプル)と異なるストリーミングデータからのサンプルを検出することを試みた。異常検出器を用いて,清浄なサンプルを除去することによって異常データを精製した。二値サポートベクトルマシン(SVM)を,精製異常データとクリーン検証データで訓練した。RAIDは,被毒入力を検出するためにSVMを使用する。新しい異常データとして精度を増すために,SVMを実時間で更新した。更新により,RAIDは,様々なタイプのバックドア攻撃に対して分類精度を維持しながら,攻撃成功率を効率的に低減できることを示した。RAIDの有効性をいくつかの最先端技術と比較した。さらに,RAIDはそのような性能を達成するために小さなクリーン検証データセットのみを必要とし,従って実用的で効率的なアプローチを提供することを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 広告 ,  ニューラルネットワーク ,  検出器 ,  有効性 ,  サポートベクトルマシン ,  *サイバー攻撃
準シソーラス用語： 誤検出 ,  RAID ,  成功率 ,  分類精度 ,  実時間 ,  異常検出 ,  *オンライン ,  オフライン ,  バックドア , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 反復 ,  敵対 ,  バックドア ,  オンライン ,  検出器