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

Toward Selective Adversarial Attack for Gait Recognition Systems Based on Deep Neural Network 심층 신경망 기반 보행 인식 시스템을 위한 선택적 적대적 공격

Hyun KWON

  • 조회수

    0

  • 이것을 인용

요약 :

심층 신경망(DNN)은 이미지 인식, 음성 인식 및 패턴 분석에 적합합니다. 그러나 이러한 신경망은 적대적 사례에 취약합니다. 적대적 예는 인간이 식별하기 어렵지만 대상 모델에 의해 샘플이 잘못 분류되는 방식으로 원본 샘플에 소량의 노이즈를 추가하여 생성된 데이터 샘플입니다. 군사 환경에서는 적 모델을 속이면서도 아군 모델을 정확하게 분류하는 적대적 사례가 유용할 수 있다. 본 논문에서는 아군 보행 인식 시스템에서는 올바르게 분류되고, 적군 보행 인식 시스템에서는 오분류된 선택적 적대적 사례를 생성하는 방법을 제안한다. 제안된 기법은 아군 보행 인식 시스템의 올바른 분류를 위한 손실과 적군 보행 인식 시스템의 오분류에 대한 손실을 결합하여 선택적 적대 사례를 생성한다. 실험에서는 CASIA Gait Database를 데이터세트로 사용하고 TensorFlow를 머신러닝 라이브러리로 사용했습니다. 결과는 제안한 방법이 적군 보행 인식 시스템에 대해 98.5%의 공격 성공률을 갖고, 아군 보행 인식 시스템에 의해 87.3%의 정확도로 분류되는 선택적 적대적 사례를 생성할 수 있음을 보여준다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.2 pp.262-266
발행일
2023/02/01
공개일
2022/11/07
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2021EDL8080
원고의 종류
LETTER
범주
정보 네트워크

작성자

Hyun KWON
  Korea Military Academy

키워드