검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

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 알려지지 않은 심층 신경망 분류기에 대한 고급 앙상블 적대적 예

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

  • 조회수

    0

  • 이것을 인용

요약 :

심층 신경망(DNN)은 이미지, 음성, 패턴 인식 등 다양한 애플리케이션에 널리 사용됩니다. 그러나 최근 DNN은 인간이 구별할 수 없는 이미지의 작은 왜곡에 취약할 수 있는 것으로 나타났습니다. 이러한 유형의 공격은 적대적 사례로 알려져 있으며 딥 러닝 시스템에 심각한 위협입니다. 대부분의 DNN 분류자를 속일 수 있는 알려지지 않은 대상 지향의 일반화된 적대적 예는 더욱 위협적입니다. 계층적 앙상블 방법을 이용하여 알려지지 않은 분류자를 효과적으로 공격할 수 있는 일반화된 적대적 예시 공격 방법을 제안한다. 우리가 제안한 체계는 알려지지 않은 분류기에 대한 합리적인 공격 성공률을 달성하기 위해 고급 앙상블 적대적 예제를 생성합니다. 실험 결과, 제안하는 방법은 기존의 앙상블 방법과 기존 베이스라인 방법에 비해 MNIST 데이터에서는 최대 9.25%, 18.94%, CIFAR4.1 데이터에서는 13%, 10% 더 높은 미지의 분류기에 대한 공격 성공률을 달성할 수 있음을 보여주었다. , 각각.

발행
IEICE TRANSACTIONS on Information Vol.E101-D No.10 pp.2485-2500
발행일
2018/10/01
공개일
2018/07/06
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2018EDP7073
원고의 종류
PAPER
범주
인공지능, 데이터마이닝

작성자

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

키워드