La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Advanced Ensemble Adversarial Example on Unknown Deep Neural Network Classifiers Exemple contradictoire d'ensemble avancé sur des classificateurs de réseaux neuronaux profonds inconnus

Hyun KWON, Yongchul KIM, Ki-Woong PARK, Hyunsoo YOON, Daeseon CHOI

  • Vues en texte intégral

    0

  • Citer

Résumé:

Les réseaux de neurones profonds (DNN) sont largement utilisés dans de nombreuses applications telles que la reconnaissance d'images, de voix et de formes. Cependant, il a été récemment démontré qu’un DNN peut être vulnérable à une légère distorsion des images que les humains ne peuvent pas distinguer. Ce type d’attaque est connu comme un exemple contradictoire et constitue une menace importante pour les systèmes d’apprentissage profond. L’exemple contradictoire généralisé orienté vers une cible inconnue qui peut tromper la plupart des classificateurs DNN est encore plus menaçant. Nous proposons un exemple de méthode d'attaque contradictoire généralisée qui peut attaquer efficacement des classificateurs inconnus en utilisant une méthode d'ensemble hiérarchique. Le schéma proposé crée des exemples contradictoires d’ensemble avancés pour obtenir des taux de réussite d’attaque raisonnables pour des classificateurs inconnus. Les résultats de nos expériences montrent que la méthode proposée peut atteindre des taux de réussite d'attaque pour un classificateur inconnu allant jusqu'à 9.25 % et 18.94 % plus élevés sur les données MNIST et 4.1 % et 13 % plus élevés sur les données CIFAR10 par rapport à la méthode d'ensemble précédente et à la méthode de base conventionnelle. , respectivement.

Publication
IEICE TRANSACTIONS on Information Vol.E101-D No.10 pp.2485-2500
Date de publication
2018/10/01
Publicisé
2018/07/06
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2018EDP7073
Type de manuscrit
PAPER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Hyun KWON
  Korea Advanced Institute of Science and Technology
Yongchul KIM
  Korea Military Academy
Ki-Woong PARK
  Sejong University
Hyunsoo YOON
  Korea Advanced Institute of Science and Technology
Daeseon CHOI
  Kongju National University

Mots-clés

Table des matières