文献

J-GLOBAL ID：202202233095901679   整理番号：22A0895736

実際の自然敵対例【JST・京大機械翻訳】

Really natural adversarial examples

著者 (3件)： Pedraza Anibal (VISILAB, ETSI Industriales, Ciudad Real, Spain) ,  Deniz Oscar (VISILAB, ETSI Industriales, Ciudad Real, Spain) ,  Bueno Gloria (VISILAB, ETSI Industriales, Ciudad Real, Spain)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 4  ページ： 1065-1077  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： Adversarial事例の現象は,深い学習に関連した最も興味深い話題の1つになった。いわゆる敵対攻撃は,不適当な摂動で深いニューラルネットワークをプールする能力を持っている。その影響は顕著であるが,このような注意深く選択した注入ノイズは実世界シナリオでは必ずしも現れないことを示唆した。これとは対照的に,いくつかの著者は,物理的シナリオ(トラフィックサイン,シャツなど)における敵対的ノイズを生成する方法を検討し,その結果,攻撃者がネットワークを実際に fぐことを示した。本論文では,それを超えて,敵対例も,攻撃者や悪意のある選択雑音なしで実世界で現れることを示した。顕微鏡に関連したタスクからの画像と,よく知られたImageNetデータセットによる一般的な物体認識を用いてこれを示す。これらの自然と人工的に生成された敵対例間の比較を距離計量と画像品質計量を用いて実行した。また,自然敵対事例は,人工的に生成された敵対例の場合において,元のものからより高い距離にあることを示した。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ネットワーク ,  距離計 ,  ニューラルネットワーク ,  画像 ,  物体認識 ,  画質 ,  機械学習 ,  *サイバー攻撃
準シソーラス用語： 敵意 ,  攻撃者 , 【Automatic Indexing@JST】

著者キーワード (4件)： 自然敵対 ,  敵対の例 ,  信頼できる機械学習 ,  コンピュータビジョン

分類 (3件)： データ保護  (JD01020V) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 敵対