論文の概要: Tropical Bisectors and Carlini-Wagner Attacks

• arxiv url: http://arxiv.org/abs/2503.22653v1
• Date: Fri, 28 Mar 2025 17:41:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-31 15:30:46.817435
• Title: Tropical Bisectors and Carlini-Wagner Attacks
• Title（参考訳）: 熱帯ビゼクターとカルリーニ・ワグナーの攻撃
• Authors: Gillian Grindstaff, Julia Lindberg, Daniela Schkoda, Miruna-Stefana Sorea, Ruriko Yoshida,
• Abstract要約: 最後の層における活性化関数として熱帯対称メートル法を用いることで、畳み込みニューラルネットワークの堅牢性を向上させることができることを示す。 この改善は、攻撃が熱帯層の非分化性に特に適応していない場合に起こる。 我々は、特に熱帯建築に適したCarini-Wagner攻撃の洗練されたバージョンを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Pasque et al. showed that using a tropical symmetric metric as an activation function in the last layer can improve the robustness of convolutional neural networks (CNNs) against state-of-the-art attacks, including the Carlini-Wagner attack. This improvement occurs when the attacks are not specifically adapted to the non-differentiability of the tropical layer. Moreover, they showed that the decision boundary of a tropical CNN is defined by tropical bisectors. In this paper, we explore the combinatorics of tropical bisectors and analyze how the tropical embedding layer enhances robustness against Carlini-Wagner attacks. We prove an upper bound on the number of linear segments the decision boundary of a tropical CNN can have. We then propose a refined version of the Carlini-Wagner attack, specifically tailored for the tropical architecture. Computational experiments with MNIST and LeNet5 showcase our attacks improved success rate.
• Abstract（参考訳）: Pasqueらは、最後の層におけるアクティベーション関数として熱帯対称メートル法を用いることで、カルリーニ・ワグナー攻撃を含む最先端の攻撃に対する畳み込みニューラルネットワーク(CNN)の堅牢性を向上させることができることを示した。 この改善は、攻撃が熱帯層の非分化性に特に適応していない場合に起こる。 さらに,熱帯性CNNの決定境界は熱帯性二座因子によって定義されることを示した。 本稿では,熱帯性双極子のコンビネータを探索し,熱帯性埋没層がカルリーニ・ワグナー攻撃に対するロバスト性を高める方法について分析する。 我々は、熱帯CNNの決定境界が持つことができる線形セグメントの数に上限を証明した。 次に、特に熱帯建築に適したCarini-Wagner攻撃の洗練されたバージョンを提案する。 MNISTとLeNet5による計算実験では、我々の攻撃による成功率の向上が示されている。

関連論文リスト

• TropNNC: Structured Neural Network Compression Using Tropical Geometry [22.25271787645072]
  TropNNCは、線形層と畳み込み層とReLUアクティベーションを持つニューラルネットワークを圧縮するためのフレームワークである。 我々は、ゾノトペのハウスドルフ距離を標準連続体で使用し、熱帯生物のより厳密な近似を達成する。 以上の結果から,TropNNCはThiNetのような最先端の手法と同等の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-09-05T23:54:32Z)
• Tropical Decision Boundaries for Neural Networks Are Robust Against Adversarial Attacks [0.0]
  我々は、任意のモデルに付加可能な単一の隠蔽層にデータをトロピカル射影トーラスに埋め込むことにより、ピースワイズ線形ニューラルネットワークの熱帯性を利用する。 計算実験により,画像データセットに対する逆攻撃に対する頑健性を示す。
  論文  参考訳（メタデータ） (2024-02-01T13:14:38Z)
• Unveiling the Unseen: Identifiable Clusters in Trained Depthwise Convolutional Kernels [56.69755544814834]
  深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。 本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
  論文  参考訳（メタデータ） (2024-01-25T19:05:53Z)
• Towards Reasonable Budget Allocation in Untargeted Graph Structure Attacks via Gradient Debias [50.628150015907565]
  クロスエントロピー損失関数は、分類タスクにおける摂動スキームを評価するために用いられる。 従来の手法ではノードレベルの分類モデルを攻撃する攻撃対象として負のクロスエントロピー損失を用いる。 本稿では、予算配分の観点から、これまでの不合理な攻撃目標について論じる。
  論文  参考訳（メタデータ） (2023-03-29T13:02:02Z)
• Dynamics-aware Adversarial Attack of Adaptive Neural Networks [75.50214601278455]
  適応型ニューラルネットワークの動的対向攻撃問題について検討する。 本稿では,LGM(Leaded Gradient Method)を提案する。 我々のLGMは、動的無意識攻撃法と比較して、優れた敵攻撃性能を達成している。
  論文  参考訳（メタデータ） (2022-10-15T01:32:08Z)
• What Does the Gradient Tell When Attacking the Graph Structure [44.44204591087092]
  本稿では,GNNのメッセージパッシング機構により,攻撃者がクラス間エッジを増大させる傾向があることを示す。 異なるノードを接続することで、攻撃者はより効果的にノード機能を破損させ、そのような攻撃をより有利にする。 本研究では,攻撃効率と非受容性のバランスを保ち,より優れた非受容性を実現するために攻撃効率を犠牲にする,革新的な攻撃損失を提案する。
  論文  参考訳（メタデータ） (2022-08-26T15:45:20Z)
• Dynamics-aware Adversarial Attack of 3D Sparse Convolution Network [75.1236305913734]
  ディープニューラルネットワークにおける動的に認識される敵攻撃問題について検討する。 ほとんどの既存の敵攻撃アルゴリズムは基本的な前提の下で設計されており、ネットワークアーキテクチャは攻撃プロセス全体を通して固定されている。 本稿では,LGM(Leaded Gradient Method)を提案する。
  論文  参考訳（メタデータ） (2021-12-17T10:53:35Z)
• Security Analysis of Capsule Network Inference using Horizontal Collaboration [0.5459797813771499]
  カプセルネットワーク(CapsNet)は、入力画像の空間的向きを符号化し、保存することができる。 CapsNetはいくつかの悪意のある攻撃に対して脆弱である。
  論文  参考訳（メタデータ） (2021-09-22T21:04:20Z)
• BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
  CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。 結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
  論文  参考訳（メタデータ） (2021-03-14T20:43:19Z)
• Algorithmic Complexities in Backpropagation and Tropical Neural Networks [0.0]
  トロピカル算術とトロピカル代数幾何学の観点で人工ニューラルネットワークを紹介します。 熱帯算術は通常の乗算の複雑さがないため、アルゴリズムの複雑さは通常のバックプロパゲーションよりも実質的に低いことを検証します。
  論文  参考訳（メタデータ） (2021-01-03T22:19:17Z)
• On the Decision Boundaries of Neural Networks: A Tropical Geometry Perspective [54.1171355815052]
  この研究は、線形非線形なアクティベーションを持つニューラルネットワークの決定境界を特徴づけ、理解する問題に取り組む。 我々は、代数幾何学の新しい発展である熱帯幾何学を用いて、その形の単純なネットワーク(Affine, ReLU, Affine)の決定境界を特徴づける。
  論文  参考訳（メタデータ） (2020-02-20T16:22:44Z)

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。