論文の概要: One-Pixel Attack Deceives Automatic Detection of Breast Cancer

• arxiv url: http://arxiv.org/abs/2012.00517v2
• Date: Wed, 16 Dec 2020 09:42:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-30 19:55:47.740947
• Title: One-Pixel Attack Deceives Automatic Detection of Breast Cancer
• Title（参考訳）: 乳がんを自動的に検出するワンピクセルアタック
• Authors: Joni Korpihalkola, Tuomo Sipola, Samir Puuska, Tero Kokkonen
• Abstract要約: 1ピクセルの攻撃は、実際の腫瘍データセットを持つ実際のシナリオで実証される。 その結果,スライド画像全体の1ピクセルの小さな修正が診断に影響を及ぼす可能性が示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this article we demonstrate that a state-of-the-art machine learning model predicting whether a whole slide image contains mitosis can be fooled by changing just a single pixel in the input image. Computer vision and machine learning can be used to automate various tasks in cancer diagnostic and detection. If an attacker can manipulate the automated processing, the results can be devastating and in the worst case lead to wrong diagnostic and treatments. In this research one-pixel attack is demonstrated in a real-life scenario with a real tumor dataset. The results indicate that a minor one-pixel modification of a whole slide image under analysis can affect the diagnosis. The attack poses a threat from the cyber security perspective: the one-pixel method can be used as an attack vector by a motivated attacker.
• Abstract（参考訳）: 本稿では,入力画像中の1つの画素だけを変更することで,スライド画像全体のmitosisを含むかどうかを予測できる最先端の機械学習モデルを示す。 コンピュータビジョンと機械学習は、がんの診断と検出における様々なタスクを自動化するために使用できる。 攻撃者が自動処理を操作できれば、結果は破壊的になり、最悪の場合、誤った診断と治療につながる可能性がある。 この研究では、実際の腫瘍データセットを用いて、1ピクセルの攻撃を現実のシナリオで実証する。 解析の結果,スライド画像全体の小さな1ピクセルの修正が診断に影響を及ぼす可能性が示唆された。 この攻撃はサイバーセキュリティの観点から脅威となる。1ピクセルの方法は、動機づけられた攻撃者が攻撃ベクターとして使用できる。

関連論文リスト

• Fake It Until You Break It: On the Adversarial Robustness of AI-generated Image Detectors [14.284639462471274]
  我々は,攻撃シナリオの異なるAIGI検出器の評価を行った。 攻撃によって検出精度が大幅に低下し、検知器に依存するリスクがその利点を上回る程度に低下する可能性がある。 本稿では,これらの攻撃に対して,CLIPをベースとした簡易な防御機構を提案する。
  論文  参考訳（メタデータ） (2024-10-02T14:11:29Z)
• On the Detection of Image-Scaling Attacks in Machine Learning [11.103249083138213]
  イメージスケーリングは、機械学習とコンピュータビジョンシステムにおいて不可欠な部分である。 縮小画像全体を修正した画像スケーリング攻撃は、適応的敵の下でも確実に検出できる。 本手法は,画像の一部のみを操作しても,強い検出性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-10-23T16:46:28Z)
• Human-imperceptible, Machine-recognizable Images [76.01951148048603]
  より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。 画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。 提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
  論文  参考訳（メタデータ） (2023-06-06T13:41:37Z)
• Pixel-Level Explanation of Multiple Instance Learning Models in Biomedical Single Cell Images [52.527733226555206]
  複数のインスタンス学習モデルを説明するための4つの属性法について検討する。 急性骨髄性白血病の2つのデータセットと100万以上の単細胞画像について検討した。 我々は、属性マップと医療専門家の注釈を比較し、モデルの意思決定が人間の基準とどのように異なるかを確認する。
  論文  参考訳（メタデータ） (2023-03-15T14:00:11Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• FIBA: Frequency-Injection based Backdoor Attack in Medical Image Analysis [82.2511780233828]
  本稿では,様々な医療画像解析タスクにおいて,攻撃を行うことのできる新しい周波数注入型バックドアアタック法(FIBA)を提案する。 具体的には、FIBAは、両方の画像のスペクトル振幅を線形に組み合わせることで、トリガー画像の低周波情報を有毒画像に注入できる周波数領域のトリガー関数を利用する。
  論文  参考訳（メタデータ） (2021-12-02T11:52:17Z)
• Intrusion Detection: Machine Learning Baseline Calculations for Image Classification [0.0]
  サイバーセキュリティは、機械学習の適用によって強化できる。 最も期待できる候補は、ライトマシン、ランダムフォレストブースト、エクストラツリーズである。
  論文  参考訳（メタデータ） (2021-11-03T17:49:38Z)
• Chromatic and spatial analysis of one-pixel attacks against an image classifier [0.0]
  本研究では,1ピクセル攻撃の色分布と空間分布を解析する方法を提案する。 より効果的な攻撃ではピクセルの色が変化し,画像の中心に攻撃が配置されることが示される。
  論文  参考訳（メタデータ） (2021-05-28T12:21:58Z)
• Wide & Deep neural network model for patch aggregation in CNN-based prostate cancer detection systems [51.19354417900591]
  前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。 自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。 パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
  論文  参考訳（メタデータ） (2021-05-20T18:13:58Z)
• Convolutional-LSTM for Multi-Image to Single Output Medical Prediction [55.41644538483948]
  発展途上国の一般的なシナリオは、複数の理由からボリュームメタデータが失われることである。 ヒトの診断過程を模倣したマルチイメージから単一診断モデルを得ることが可能である。
  論文  参考訳（メタデータ） (2020-10-20T04:30:09Z)
• Practical Fast Gradient Sign Attack against Mammographic Image Classifier [0.0]
  本稿の背後にあるモチベーションは、この問題を強調し、認識を高めたいということです。 我々はマンモグラフィー画像を用いてモデルを訓練し、精度でモデル性能を評価する。 次に、構造類似度指数(SSIM)を用いて、クリーン画像と逆画像の類似性を分析する。
  論文  参考訳（メタデータ） (2020-01-27T07:37:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。