Fugu-MT 論文翻訳(概要): Adversarial Examples: Generation Proposal in the Context of Facial Recognition Systems

論文の概要: Adversarial Examples: Generation Proposal in the Context of Facial Recognition Systems

arxiv url: http://arxiv.org/abs/2404.17760v1
Date: Sat, 27 Apr 2024 02:35:15 GMT
ステータス: 処理完了
システム内更新日: 2024-04-30 19:30:48.502574
Title: Adversarial Examples: Generation Proposal in the Context of Facial Recognition Systems
Title（参考訳）: 敵対的事例:顔認識システムの文脈における生成提案
Authors: Marina Fuster, Ignacio Vidaurreta,
Abstract要約: 本稿では,攻撃者の視点から新たな手法を導入することで,顔認証システムが敵の例に提示する脆弱性について検討する。我々は、最先端のシステムに対して、ドッジ攻撃と偽装攻撃の両方に適した敵の例を作成する可能性を分析することを目的としている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we investigate the vulnerability that facial recognition systems present to adversarial examples by introducing a new methodology from the attacker perspective. The technique is based on the use of the autoencoder latent space, organized with principal component analysis. We intend to analyze the potential to craft adversarial examples suitable for both dodging and impersonation attacks, against state-of-the-art systems. Our initial hypothesis, which was not strongly favoured by the results, stated that it would be possible to separate between the "identity" and "facial expression" features to produce high-quality examples. Despite the findings not supporting it, the results sparked insights into adversarial examples generation and opened new research avenues in the area.
Abstract（参考訳）: 本稿では,攻撃者の視点からの新しい手法を導入することで,顔認証システムが敵の例にもたらす脆弱性について検討する。この手法は、主成分分析によって構成されたオートエンコーダ潜在空間の利用に基づいている。我々は、最先端のシステムに対して、ドッジ攻撃と偽装攻撃の両方に適した敵の例を作成する可能性を分析することを目的としている。結果に強く好ましくなかった最初の仮説では,「同一性」と「表情」の2つの特徴を分離し,高品質な例を作成できると述べた。支持していない結果にもかかわらず、この結果が敵の事例生成の洞察を喚起し、この地域に新たな研究の道を開いた。

関連論文リスト

A Survey on Transferability of Adversarial Examples across Deep Neural Networks [53.04734042366312]
逆の例では、機械学習モデルを操作して誤った予測を行うことができます。敵の例の転送可能性により、ターゲットモデルの詳細な知識を回避できるブラックボックス攻撃が可能となる。本研究は, 対角移動可能性の展望を考察した。
論文参考訳（メタデータ） (2023-10-26T17:45:26Z)
Constructing Semantics-Aware Adversarial Examples with a Probabilistic Perspective [4.168954634479465]
本稿では,敵対例の生成過程において,意味論の主観的理解を分布として組み込むための確率論的視点を提案する。本手法は画像の全体的意味を保存し,人間の検出を困難にしている。
論文参考訳（メタデータ） (2023-06-01T05:16:44Z)
Uncertainty-based Detection of Adversarial Attacks in Semantic Segmentation [16.109860499330562]
本稿では,セマンティックセグメンテーションにおける敵攻撃検出のための不確実性に基づくアプローチを提案する。本研究は,複数種類の敵対的攻撃を対象とする摂動画像の検出能力を示す。
論文参考訳（メタデータ） (2023-05-22T08:36:35Z)
Towards A Conceptually Simple Defensive Approach for Few-shot classifiers Against Adversarial Support Samples [107.38834819682315]
本研究は,数発の分類器を敵攻撃から守るための概念的簡便なアプローチについて検討する。本稿では,自己相似性とフィルタリングの概念を用いた簡易な攻撃非依存検出法を提案する。ミニイメージネット(MI)とCUBデータセットの攻撃検出性能は良好である。
論文参考訳（メタデータ） (2021-10-24T05:46:03Z)
When and How to Fool Explainable Models (and Humans) with Adversarial Examples [1.439518478021091]
説明可能な機械学習モデルに対する敵攻撃の可能性と限界について検討する。まず、逆例の概念を拡張して、説明可能な機械学習シナリオに適合する。次に、説明可能なモデルに対して、逆例を生成できるかどうかを総合的に検討する枠組みを提案する。
論文参考訳（メタデータ） (2021-07-05T11:20:55Z)
Adversarial Examples Detection beyond Image Space [88.7651422751216]
摂動と予測信頼の間にはコンプライアンスが存在することが分かり、予測信頼の面から少数の摂動攻撃を検出するための指針となる。本研究では,画像ストリームが画素アーティファクトに注目し,勾配ストリームが信頼度アーティファクトに対応する2ストリームアーキテクチャによる画像空間を超えた手法を提案する。
論文参考訳（メタデータ） (2021-02-23T09:55:03Z)
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)
Detection Defense Against Adversarial Attacks with Saliency Map [7.736844355705379]
ニューラルネットワークは、人間の視覚にほとんど受容できない敵の例に弱いことがよく確認されている。既存の防衛は、敵の攻撃に対するモデルの堅牢性を強化する傾向にある。本稿では,新たな雑音と組み合わせた新しい手法を提案し,不整合戦略を用いて敵のサンプルを検出する。
論文参考訳（メタデータ） (2020-09-06T13:57:17Z)
Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。 DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
論文参考訳（メタデータ） (2020-04-13T06:44:33Z)
Challenging the adversarial robustness of DNNs based on error-correcting output codes [33.46319608673487]
ECOCベースのネットワークは、小さな逆方向の摂動を導入することで、非常に容易に攻撃できる。敵の例は、予測対象クラスの高い確率を達成するために、このような方法で生成することができる。
論文参考訳（メタデータ） (2020-03-26T12:14:56Z)

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。