Fugu-MT 論文翻訳(概要): Adversarially Robust Learning with Unknown Perturbation Sets

論文の概要: Adversarially Robust Learning with Unknown Perturbation Sets

arxiv url: http://arxiv.org/abs/2102.02145v1
Date: Wed, 3 Feb 2021 17:01:39 GMT
ステータス: 処理完了
システム内更新日: 2021-02-04 16:56:09.967558
Title: Adversarially Robust Learning with Unknown Perturbation Sets
Title（参考訳）: 未知摂動集合を用いた逆ロバスト学習
Authors: Omar Montasser, Steve Hanneke, Nathan Srebro
Abstract要約: 本研究では,未知の摂動集合に対する逆例に頑健な予測器の学習問題について検討する。我々は,要求される相互作用の数,あるいは攻撃成功数について,サンプルの複雑さと上および下限の上限を求める。
参考スコア（独自算出の注目度）: 37.13850246542325
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We study the problem of learning predictors that are robust to adversarial examples with respect to an unknown perturbation set, relying instead on interaction with an adversarial attacker or access to attack oracles, examining different models for such interactions. We obtain upper bounds on the sample complexity and upper and lower bounds on the number of required interactions, or number of successful attacks, in different interaction models, in terms of the VC and Littlestone dimensions of the hypothesis class of predictors, and without any assumptions on the perturbation set.
Abstract（参考訳）: 本研究では、未知の摂動集合に対する敵の例に頑健な学習予測器の問題について検討し、その代わりに敵の攻撃者との相互作用や攻撃口へのアクセスに依存し、そのような相互作用の異なるモデルを調べる。我々は、予測器の仮説クラスのVCとリトルストーンの寸法の観点から、異なる相互作用モデルにおいて、必要な相互作用の数、または成功した攻撃の数、および摂動セットに関する仮定なしに、サンプルの複雑さと上下の境界の上限を取得します。

関連論文リスト

Indiscriminate Disruption of Conditional Inference on Multivariate Gaussians [60.22542847840578]
敵対的機械学習の進歩にもかかわらず、敵対者の存在下でのガウスモデルに対する推論は特に過小評価されている。我々は,意思決定者の条件推論とその後の行動の妨害を希望する自己関心のある攻撃者について,一組の明らかな変数を乱すことで検討する。検出を避けるため、攻撃者は、破損した証拠の密度によって可否が決定される場合に、攻撃が可否を示すことを望んでいる。
論文参考訳（メタデータ） (2024-11-21T17:46:55Z)
Adversarial Resilience in Sequential Prediction via Abstention [46.80218090768711]
本研究では,クリーンラベルの逆数例を注入できる逆数設定における逐次予測の問題について検討する。そこで本研究では,純粋と完全対向的な設定の間に位置する逐次予測の新しいモデルを提案する。
論文参考訳（メタデータ） (2023-06-22T17:44:22Z)
Robust Deep Learning Models Against Semantic-Preserving Adversarial Attack [3.7264705684737893]
ディープラーニングモデルは、小さな$l_p$-normの逆の摂動と、属性の観点からの自然な摂動によって騙される。本稿では,SPA攻撃という新たな攻撃機構を提案する。
論文参考訳（メタデータ） (2023-04-08T08:28:36Z)
Robustness of Deep Recommendation Systems to Untargeted Interaction Perturbations [11.921365836430658]
本研究では,ユーザとイテム間のインタラクションが意図しない,あるいは敵対的な設定で乱される,新たなフレームワークを開発する。 4つの一般的な推奨モデルが1つのランダム摂動に対して不安定であることを示す。本稿では,最大カスケード効果を誘導する相互作用を同定し,摂動する対向摂動法CASPERを提案する。
論文参考訳（メタデータ） (2022-01-29T23:43:21Z)
Adversarial Robustness of Deep Reinforcement Learning based Dynamic Recommender Systems [50.758281304737444]
本稿では,強化学習に基づく対話型レコメンデーションシステムにおける敵例の探索と攻撃検出を提案する。まず、入力に摂動を加え、カジュアルな要因に介入することで、異なる種類の逆例を作成する。そこで,本研究では,人工データに基づく深層学習に基づく分類器による潜在的攻撃を検出することにより,推薦システムを強化した。
論文参考訳（メタデータ） (2021-12-02T04:12:24Z)
Localized Uncertainty Attacks [9.36341602283533]
深層学習モデルに対する局所的不確実性攻撃を示す。我々は、分類器が不確実な入力の領域のみを摂動することで、逆例を作成する。 $ell_p$ ballやパーターブ入力を無差別に検出する機能攻撃とは異なり、ターゲットとする変更は認識できない。
論文参考訳（メタデータ） (2021-06-17T03:07:22Z)
Learning to Separate Clusters of Adversarial Representations for Robust Adversarial Detection [50.03939695025513]
本稿では,最近導入された非破壊的特徴を動機とした新しい確率的対向検出器を提案する。本稿では,非ロバスト特徴を逆例の共通性と考え,その性質に対応する表現空間におけるクラスターの探索が可能であることを推定する。このアイデアは、別のクラスタ内の逆表現の確率推定分布を導出し、その分布を確率に基づく逆検出器として活用する。
論文参考訳（メタデータ） (2020-12-07T07:21:18Z)
On the Transferability of Adversarial Attacksagainst Neural Text Classifier [121.6758865857686]
テキスト分類モデルの逆例の転送可能性について検討する。本稿では,ほとんどすべての既存モデルを騙すために,敵の例を誘導できるモデル群を見つける遺伝的アルゴリズムを提案する。これらの逆例からモデル診断に使用できる単語置換規則を導出する。
論文参考訳（メタデータ） (2020-11-17T10:45:05Z)
Asymptotic Behavior of Adversarial Training in Binary Classification [41.7567932118769]
敵の訓練は、敵の攻撃に対する防衛の最先端の方法と考えられている。実際に成功したにもかかわらず、敵の訓練のパフォーマンスを理解する上でのいくつかの問題は未解決のままである。 2進分類における対角訓練の最小化のための正確な理論的予測を導出する。
論文参考訳（メタデータ） (2020-10-26T01:44:20Z)
Fundamental Tradeoffs between Invariance and Sensitivity to Adversarial Perturbations [65.05561023880351]
敵の例は誤分類を引き起こすために作られた悪意のある入力である。本稿では, 相補的障害モード, 不変性に基づく逆数例について検討する。感度に基づく攻撃に対する防御は、不変性に基づく攻撃に対するモデルの精度を積極的に損なうことを示す。
論文参考訳（メタデータ） (2020-02-11T18:50:23Z)

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。