お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2022-03-07 17:00
敵対的事例検出器を用いたロバストな画像分類システムの拡張
田中美貴長我部恭行貴家仁志都立大EMM2021-105
抄録 (和) 敵対的事例と呼ばれる人為的に作成された微小なノイズを入力に加えた敵対的事例攻撃によって,深層学習モデルの予測結果を操作される危険性があることが知られている.本稿では,敵対的事例にロバストな新しい画像分類システムを提案する.敵対的事例の防御手法として,敵対的攻撃に対してロバスト画像分類器を構築するする方法と,分類器への入力前に敵対的事例を検出する方法の二つが代表的である.従来これらは独立に研究されてきたが,先に両者の同時使用が,互いの短所を補うことが指摘された.本稿では,その先行研究をさらに拡張して,システム設計時に必要であった統計的仮定を緩和した画像分類システムを提案する.仮定外の攻撃に対して防御性能が大きく劣化するという従来法の課題を,複数の特徴を用いることによって,提案法は改善することが可能である. 
(英) In image classification with deep learning, there is a risk that an attacker can intentionally manipulate the prediction results of image classification by using images with a small designed noise, called adversarial examples. In this paper, we propose a robust image classification system against adversarial examples. In order to prevent the attack, there are two approaches: using a robust classifier, and using a detection method of adversarial examples. A robust image classification system with the combination of these two approaches was demonstrated to outperform conventional methods. In this paper, we extend the robust image classification system with the combination of the two approaches by using multiple features. The proposed method is more robust against various adversarial attacks and noise levels than the conventional one.
キーワード (和) 敵対的事例 / 機械学習 / 深層学習 / 敵対的事例の検出 / / / /  
(英) Adversarial example / Machine learning / Deep learning / Adversarial detection / / / /  
文献情報 信学技報, vol. 121, no. 417, EMM2021-105, pp. 76-80, 2022年3月.
資料番号 EMM2021-105 
発行日 2022-02-28 (EMM) 
ISSN 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 EMM2021-105

研究会情報
研究会 EMM  
開催期間 2022-03-07 - 2022-03-08 
開催地(和) 長崎大学 文教スカイホール 
開催地(英) (Primary: Online, Secondary: On-site) 
テーマ(和) 画質・音質評価,知覚・認知メトリクス,人間視聴覚システム,一般 
テーマ(英) Image and Sound Quality, Metrics for Perception and Recognition, Human Auditory and Visual System, etc. 
講演論文情報の詳細
申込み研究会 EMM 
会議コード 2022-03-EMM 
本文の言語 日本語 
タイトル(和) 敵対的事例検出器を用いたロバストな画像分類システムの拡張 
サブタイトル(和)  
タイトル(英) Extention of robust image classification system with Adversarial Example Detectors 
サブタイトル(英)  
キーワード(1)(和/英) 敵対的事例 / Adversarial example  
キーワード(2)(和/英) 機械学習 / Machine learning  
キーワード(3)(和/英) 深層学習 / Deep learning  
キーワード(4)(和/英) 敵対的事例の検出 / Adversarial detection  
キーワード(5)(和/英) /  
キーワード(6)(和/英) /  
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) 田中 美貴 / Miki Tanaka / タナカ ミキ
第1著者 所属(和/英) 東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.)
第2著者 氏名(和/英/ヨミ) 長我部 恭行 / Takayuki Osakabe / オサカベ タカユキ
第2著者 所属(和/英) 東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.)
第3著者 氏名(和/英/ヨミ) 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ
第3著者 所属(和/英) 東京都立大学 (略称: 都立大)
Tokyo Metropolitan University (略称: Tokyo Metro. Univ.)
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: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者 第1著者 
発表日時 2022-03-07 17:00:00 
発表時間 25分 
申込先研究会 EMM 
資料番号 EMM2021-105 
巻番号(vol) vol.121 
号番号(no) no.417 
ページ範囲 pp.76-80 
ページ数
発行日 2022-02-28 (EMM) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会