文献

J-GLOBAL ID：202202277689681139   整理番号：22A0397844

Me to Me:リモートセンシング画像の敵対的例のためのソフト閾値防御法【JST・京大機械翻訳】

Lie to Me: A Soft Threshold Defense Method for Adversarial Examples of Remote Sensing Images

著者 (4件)： Chen Li (School of Geosciences and Info-Physics, Central South University, Changsha, China) ,  Xiao Jun (Hunan Aerospace Yuanwang Science & Technology Company Ltd., Changsha, China) ,  Zou Pu (Hunan Aerospace Yuanwang Science & Technology Company Ltd., Changsha, China) ,  Li Haifeng (School of Geosciences and Info-Physics, Central South University, Changsha, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.8016905.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  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： 敵対的用例は,生成摂動を通して間違った結果を予測するモデルにモデルを作り,畳み込みニューラルネットワーク(CNN)の脆弱性を実証した。最近の研究はまた,リモートセンシング画像(RSI)シーン分類に適用される多くのCNNが,まだ敵対的事例攻撃を受けることを示した。RSIsの敵対例の更なる分析を通して,誤分類クラスはランダムではなく,これらの敵対的用例は攻撃選択性を実証した。この発見に基づき,ソフト閾値防御法を提案した。最初に,著者らは,陽性サンプルとして各クラスの正しい予測と陰性サンプルとして敵対的用例を有する画像を取り上げる。次に,入力としてそれらの出力信頼度を取り上げて,ロジスティック回帰アルゴリズムによって決定境界を得た。最後に,各クラスの信頼閾値を決定境界に基づいてさらに得ることができた。それは,防御のために使用するソフト閾値であり,それは,画像が敵対的用例であるかどうかを決定することができた。モデルが新しいRSIを予測するとき,出力信頼度が対応するクラスのソフト閾値より高いならば,入力はオリジナル画像であり,反対は敵対的用例である。提案アルゴリズムは,モデル構造の修正を必要とせず,計算的に複雑であり,簡単で効果的である。FGSM,BIM,Deepfol,およびC&W攻撃アルゴリズムでは,いくつかのシナリオにおいて,それらのホーミング率は平均97.76%,99.77%,68.18%,および97.95%減少した。ソフト閾値防御法は敵対例に対して効果的に防御できる。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： アルゴリズム ,  信頼度 ,  摂動 ,  *サイバー攻撃
準シソーラス用語： 敵意 ,  *防衛 ,  ロジスティック回帰分析 ,  脆弱性 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： リモートセンシング画像 ,  敵対 ,  ソフト ,  閾値 ,  防御