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 |
5 |
発行日 |
2022-02-28 (EMM) |
|