| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-09-24 15:15 周波数領域ごとの分類によるAdversarial Examplesの検出手法の提案 ○加瀬裕也・木村昌臣（芝浦工大）  SSS2019-20 |
|
| 抄録 | （和） | ニューラルネットワークの誤分類を引き起こす特殊なデータAdversarial Examplesの検出手法を提案する. Adversarial Examplesは元データに摂動と呼ばれるごく小さなノイズを加えることで生成され, 特に画像の場合は摂動による変化は人の目では見てわからないほど小さく設定される. 先行研究では, 摂動について周波数解析を行った結果, 0Hz周辺で影響が大きくなり, また, 手書き数字画像データセットMNISTは高周波に特徴はないため0Hz周辺帯域のカットとローパスフィルタの適用を提案した. しかし一般の写真については低周波だけでなく高周波にも特徴があるためカットすることは適切ではない. そこで本研究では低周波だけでなく高周波も利用したAdversarial Examplesの検出手法を提案する. |
| （英） | We propose a detection method of special data Adversarial Examples that cause misclassification of neural networks. Adversarial Examples are generated by adding a small amount of noise called perturbation to the original data. Especially in the case of images, changes due to perturbation are set so small that it cannot be perceived by the human eye. In previous research, as a result of frequency analysis of the perturbation, it was found that the influence became large around 0Hz and therefore they proposed a application 0Hz cut. In addition, the dataset MNIST for handwritten digit images has no high frequency characteristics and therefore they proposed the application of a low pass filter. However, the photo has characteristics not only low frequency but also high frequency, so it is not appropriate to cut. In this study, we propose a detection method of Adversarial Examples using not only low frequencies but also high frequencies. | |
| キーワード | （和） | 機械学習 / ニューラルネットワーク / Adversarial Examples / 周波数 / 画像 / 頑健性 / / |
| （英） | Machine Learning / Neural Network / Adversarial Examples / Frequency / Image / Robustness / / | |
| 文献情報 | 信学技報, vol. 119, no. 210, SSS2019-20, pp. 13-16, 2019年9月. | |
| 資料番号 | SSS2019-20 | |
| 発行日 | 2019-09-17 (SSS) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SSS2019-20 |
|
| 研究会情報 | |
| 研究会 | SSS |
| 開催期間 | 2019-09-24 - 2019-09-24 |
| 開催地（和） | 機械振興会館 |
| 開催地（英） | |
| テーマ（和） | 製品安全、製造物責任、社会インフラ、エネルギー、事故調査、情報の安全性 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SSS |
| 会議コード | 2019-09-SSS |
| 本文の言語 | 日本語 |
| タイトル（和） | 周波数領域ごとの分類によるAdversarial Examplesの検出手法の提案 |
| サブタイトル（和） | |
| タイトル（英） | A Proposal of Detection Method of Adversalial Examples based on Frequency Domain |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 機械学習 / Machine Learning |
| キーワード(2)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(3)（和/英） | Adversarial Examples / Adversarial Examples |
| キーワード(4)（和/英） | 周波数 / Frequency |
| キーワード(5)（和/英） | 画像 / Image |
| キーワード(6)（和/英） | 頑健性 / Robustness |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 加瀬 裕也 / Yuya Kase / カセ ユウヤ |
| 第1著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第2著者 氏名（和/英/ヨミ） | 木村 昌臣 / Masaomi Kimura / キムラ マサオミ |
| 第2著者 所属（和/英） | 芝浦工業大学 (略称： 芝浦工大) Shibaura Institute of Technology (略称： SIT) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-09-24 15:15:00 |
| 発表時間 | 35分 |
| 申込先研究会 | SSS |
| 資料番号 | SSS2019-20 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.210 |
| ページ範囲 | pp.13-16 |
| ページ数 | 4 |
| 発行日 | 2019-09-17 (SSS) |
[研究会発表申込システムのトップページに戻る]