敵対的サンプルに対するフィルタの効果と定量的評価

カテゴリ: 部門大会

論文No: GS11-8

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Evaluation of filters against Adversarial Example

著者名: 石田 知勢（名城大学）,竹本 修（名城大学）,野崎 佑典（名城大学）,吉川 雅弥（名城大学）

著者名(英語): Chisei Ishida (Meijo University),Shu Takemoto (Meijo University),Yusuke Nozaki (Meijo University),Masaya Yoshikawa (Meijo University)

キーワード: セキュリティ|人工知能|敵対的サンプル敵対的サンプル|security|artificial intelligence|adversarial example

要約(日本語): 画像認識AIに対するAdversarial Example(AE)攻撃はオリジナル画像に特定のノイズを加えるため、様々なフィルタを用いることでAE攻撃を防ぐことが可能と知られている。本研究では，非標的型と標的型攻撃で生成された画像に対して4種類のフィルタを用いて，定量的に対策効果を評価する。フィルタは平均化フィルタ,中央値平滑化フィルター,ガウシアンフィルター,バイラテラルフィルタの4種類を使用し、後者２つには最適なパラメータの検出を行った。これらの結果からフィルタを使用する上で最適なパラメータとフィルタの種類を示すと共に今後の展開について考えを述べる。