Fugu-MT 論文翻訳(概要): A Universal Adversarial Policy for Text Classifiers

論文の概要: A Universal Adversarial Policy for Text Classifiers

arxiv url: http://arxiv.org/abs/2206.09458v1
Date: Sun, 19 Jun 2022 17:55:47 GMT
ステータス: 処理完了
システム内更新日: 2022-06-22 14:55:17.348645
Title: A Universal Adversarial Policy for Text Classifiers
Title（参考訳）: テキスト分類のための普遍的逆政策
Authors: Gallil Maimon, Lior Rokach
Abstract要約: 我々は、新しい普遍的敵政策、普遍的敵政策を導入する。他の普遍的な攻撃には多くの利点があるが、有効なテキストも得られる。一般化する能力は、テキストドメインにも普遍的な敵パターンが存在することを示している。
参考スコア（独自算出の注目度）: 14.579475552088688
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Discovering the existence of universal adversarial perturbations had large theoretical and practical impacts on the field of adversarial learning. In the text domain, most universal studies focused on adversarial prefixes which are added to all texts. However, unlike the vision domain, adding the same perturbation to different inputs results in noticeably unnatural inputs. Therefore, we introduce a new universal adversarial setup - a universal adversarial policy, which has many advantages of other universal attacks but also results in valid texts - thus making it relevant in practice. We achieve this by learning a single search policy over a predefined set of semantics preserving text alterations, on many texts. This formulation is universal in that the policy is successful in finding adversarial examples on new texts efficiently. Our approach uses text perturbations which were extensively shown to produce natural attacks in the non-universal setup (specific synonym replacements). We suggest a strong baseline approach for this formulation which uses reinforcement learning. It's ability to generalise (from as few as 500 training texts) shows that universal adversarial patterns exist in the text domain as well.
Abstract（参考訳）: 普遍的対向的摂動の存在を明らかにすることは、対向的学習の分野に大きな理論的および実践的な影響をもたらした。テキスト領域では、ほとんどの普遍的研究は、すべてのテキストに追加される敵の接頭辞に焦点を当てた。しかし、視覚領域とは異なり、異なる入力に同じ摂動を加えると明らかに不自然な入力となる。そこで,本研究では,新たな普遍的敵意設定,すなわち,他の普遍的攻撃の多くの利点を持つ普遍的敵意政策を導入する。テキスト変更を保存するセマンティクスのセットに対して,多くのテキストで単一の検索ポリシーを学習することで,これを実現する。この定式化は、新しいテキストに対する敵の例を効率的に見つけることに成功しているという点で普遍的である。提案手法では,非普遍的な設定(特定の同義語置換)において自然攻撃を生じさせるように広く示されるテキスト摂動を用いる。この定式化には強化学習を用いる強力なベースラインアプローチを提案する。最大500のトレーニングテキストから)一般化する能力は、テキストドメインにも普遍的な敵のパターンが存在することを示している。

関連論文リスト

RealCustom++: Representing Images as Real-Word for Real-Time Customization [80.04828124070418]
テキスト・ツー・イメージのカスタマイズは、テキストのセマンティクスと主題の外観の両方に合わせた新しいイメージを合成することを目的としている。既存の作品は擬単語のパラダイムに従っており、特定の主題を擬単語として表現する。そこで我々はRealCustom++と呼ばれる新しいリアルワードパラダイムを提案し,その代わりに課題を非コンフリクトなリアルワードとして表現する。
論文参考訳（メタデータ） (2024-08-19T07:15:44Z)
Adverb Is the Key: Simple Text Data Augmentation with Adverb Deletion [8.406910685074136]
ルールベースの手法は、コスト効率のために現実世界のアプリケーションに広く採用されている。副詞の直接削除によってこのような現象を回避する新しいテキストデータ拡張戦略を提案する。
論文参考訳（メタデータ） (2024-03-29T07:01:39Z)
Few-Shot Adversarial Prompt Learning on Vision-Language Models [62.50622628004134]
知覚不能な逆境摂動に対するディープニューラルネットワークの脆弱性は、広く注目を集めている。それまでの努力は、相手の視覚的特徴をテキストの監督と整合させることで、ゼロショットの敵の堅牢性を達成した。本稿では、限られたデータで入力シーケンスを適応させることで、対向性を大幅に向上させる、数ショットの対向的プロンプトフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-21T18:28:43Z)
RealCustom: Narrowing Real Text Word for Real-Time Open-Domain Text-to-Image Customization [57.86083349873154]
テキスト・ツー・イメージのカスタマイズは、与えられた被験者に対してテキスト駆動の画像を合成することを目的としている。既存の作品は擬似語パラダイム、すなわち、与えられた主題を擬似語として表現し、与えられたテキストで合成する。我々は、RealCustomを初めて、被写体の影響を関連部分のみに正確に制限することで、制御性から類似性を解き放つことを提示する。
論文参考訳（メタデータ） (2024-03-01T12:12:09Z)
Dictionary-Assisted Supervised Contrastive Learning [0.0]
本稿では,辞書支援型教師付きコントラスト学習(DASCL)の目的について紹介する。共通の固定トークンは、関心の概念に関連する辞書(ies)に現れるコーパス内の任意の単語を置き換える。 DASCLとクロスエントロピーは、数ショットの学習設定と社会科学応用における分類性能指標を改善する。
論文参考訳（メタデータ） (2022-10-27T04:57:43Z)
Textual Entailment Recognition with Semantic Features from Empirical Text Representation [60.31047947815282]
テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
論文参考訳（メタデータ） (2022-10-18T10:03:51Z)
Constrained Text Generation with Global Guidance -- Case Study on CommonGen [35.620489119162215]
本稿では,特定の前提条件下で文を生成する制約付きテキスト生成について検討する。制約付きテキスト生成の代表的なタスクとして,概念セットに基づいたテキスト生成タスクであるCommonGenに注目した。
論文参考訳（メタデータ） (2021-03-12T09:40:49Z)
Grounding Language to Entities and Dynamics for Generalization in Reinforcement Learning [20.43004852346133]
我々は,新しいシナリオへの制御方針の一般化を改善するために,テキスト記述を利用する問題を考える。マルチモーダルエンティティコンディションの注意モジュールを使用する新しいモデル、EMMAを開発しています。 EMMAはエンドツーエンドの微分可能であり、テキストから観察までエンティティとダイナミクスの潜在基盤を学ぶことができる。
論文参考訳（メタデータ） (2021-01-19T00:59:16Z)
Improving Disentangled Text Representation Learning with Information-Theoretic Guidance [99.68851329919858]
自然言語の独特な性質は、テキスト表現の分離をより困難にする。情報理論にインスパイアされた本研究では,テキストの不整合表現を効果的に表現する手法を提案する。条件付きテキスト生成とテキストスタイル転送の両方の実験は、不整合表現の質を実証する。
論文参考訳（メタデータ） (2020-06-01T03:36:01Z)
Adversarial Augmentation Policy Search for Domain and Cross-Lingual Generalization in Reading Comprehension [96.62963688510035]
理解モデルを読むことは、しばしばトレーニングデータセットのニュアンスに過度に適合し、敵対的な評価に失敗する。本稿では,複数の効果的な敵と自動データ拡張ポリシー探索手法を提案し,対角的評価に対して,読解理解モデルをより堅牢にすることを目的とする。
論文参考訳（メタデータ） (2020-04-13T17:20:08Z)
Generating Natural Language Adversarial Examples on a Large Scale with Generative Models [41.85006993382117]
生成モデルを用いて,テキストをスクラッチから効率的に生成するエンド・ツー・エンド・ソリューションを提案する。具体的には,条件付き変分オートエンコーダを訓練し,さらに逆転損失を加えて,逆転例の生成を誘導する。敵対的テキストの妥当性を向上させるために,識別器と生成的敵対的ネットワークの訓練枠組みを利用する。
論文参考訳（メタデータ） (2020-03-10T03:21:35Z)

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。