抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深層ニューラルネットワークは,画像認識,音声認識,およびパターン解析において良好な性能を示す。しかし,深層ニューラルネットワークは弱点を示し,その一つはバックドア攻撃に対する脆弱性である。バックドア攻撃は,特定のトリガを含むバックドアサンプルに関するターゲットモデルの追加訓練を実行するので,トリガを有さない通常のデータはモデルによって正しく分類されるが,特定のトリガを有するバックドアサンプルはモデルによって誤って分類されてしまう。このようなバックドア攻撃に関する様々な研究が行われてきた。しかし,既存のバックドア攻撃は1つのクラシファイアによる誤分類を引き起こす。ある状況では,複数のモデルを持つ環境において特定のモデルに対する選択的バックドア攻撃を行う必要があるかも知れない。本論文では,トリガの位置に従って異なるクラスにサンプルを誤分類するよう各モデルをミスリードするマルチモデル選択的バックドア攻撃法を提案した。本研究の実験では,データセットとしてMNISTとFashion-MNISTを,機械学習ライブラリとしてTensorFlowを使用した。その結果,提案方式は,各モデルに対して100%の平均攻撃成功率を持つ一方,MNISTおよびFashion-MNISTのオリジナルサンプルに対して,それぞれ97.1%および90.9%の精度を維持した。(翻訳著者抄録)