文献

J-GLOBAL ID：202202261654832842   整理番号：22A0457388

ブラックボックスの最良化:敵対的事例防衛のための障壁ゾーン【JST・京大機械翻訳】

Besting the Black-Box: Barrier Zones for Adversarial Example Defense

著者 (5件)： Mahmood Kaleel (Department of Electrical and Computer Engineering, University of Connecticut, Storrs, CT, USA) ,  Nguyen Phuong Ha (EBay Inc., San Jose, CA, USA) ,  Nguyen Lam M. (IBM Research, Thomas J. Watson Research Center, Yorktown Heights, NY, USA) ,  Nguyen Thanh (Amazon Inc., Seattle, WA, USA) ,  Van Dijk Marten (CWI Amsterdam, Amsterdam, The Netherlands)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 1451-1474  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： 敵対的機械学習防御は,主に静的,白色ボックス攻撃を緩和することに集中している。しかし,そのような防御が適応ブラックボックス敵対の下でロバストであるかどうかは未解決の問題である。本論文では,ブラックボックス脅威モデルに特に焦点を当て,次の貢献を行った:第1に,著者らの第2の貢献のために,著者らが提案した最初の適応ブラックボックス攻撃よりも≧30%効果的であることを実験的に示した,著者らは,著者らの新しい攻撃を用いて10の最近の防御をテストし,著者ら自身のブラックボックス防御(障壁ゾーン)を提案した。バリアゾーンに基づく著者らの防御は,最先端の防衛に対するセキュリティの大幅な改善を提供することを示した。この改善は,データセットに対して,ブラックボックス境界攻撃,転送攻撃および著者らの新しい適応ブラックボックス攻撃に対して85%以上のロバスト精度を含む。完全性のために,2つのデータセット(CIFAR-10とFashion-MNIST)に関する3つの敵対モデル(14の異なるブラックボックス攻撃)を用いた10の他の防御による広範な実験を通して,著者らの主張を検証した。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： *ブラックボックス ,  完全性 ,  ロバスト性 ,  セキュリティ ,  機械学習 ,  サイバー攻撃
準シソーラス用語： 敵意 ,  *防衛 , 【Automatic Indexing@JST】

分類 (4件)： 音響測定  (BB03040R) ,  データ保護  (JD01020V) ,  音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ブラックボックス ,  敵対 ,  防衛 ,  障壁 ,  ゾーン