| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-06-27 15:30 Adversarial Attacks and Defenses for Non-Parametric Two-Sample Tests ○Xilie Xu（NUS）・Jingfeng Zhang（RIKEN-AIP）・Feng Liu（UTS）・Masashi Sugiyama（RIKEN-AIP）・Mohan Kankanhalli（NUS）  NC2022-4 IBISML2022-4 |
|
| 抄録 | （和） | 標準学習（ST）により学習させたモデルを導入すると、自然なテストデータに対してはうまく機能する。しかし、これらのモデルは、敵対的攻撃によってアルゴリズム的に生成された敵対的なテストデータ（敵対的事例とも呼ばれる）を扱うことができない。敵対的攻撃とは、自然データに対して特別に設計された微小な摂動を加え、敵対的データに変換し、学習済みモデルを惑わせ、誤った予測をさせるアルゴリズムである。敵対的学習は、敵対的攻撃に対して学習済みモデルのロバストな精度を向上させることを目的としている。 本発表では、敵対的学習を用いて、画像ノイズ除去やノンパラメトリック二標本検定などのツールの信頼性を評価・向上させる。 |
| （英） | When we deploy models trained by standard training (ST), they work well on natural test data. However, those models cannot handle adversarial test data (also known as adversarial examples) that are algorithmically generated by adversarial attacks. An adversarial attack is an algorithm which applies specially designed tiny perturbations on natural data to transform them into adversarial data, in order to mislead a trained model and let it give wrong predictions. Adversarial training (AT) aims at improving the robust accuracy of trained models against adversarial attacks. In this presentation, we leverage the techniques of AT to evaluate/enhance the reliabilities of some AI tools, such as image denoiser and non-parametric two-sample tests. |
|
| キーワード | （和） | 敵対的学習 / / / / / / / |
| （英） | Adversarial robustness / / / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 90, IBISML2022-4, pp. 20-46, 2022年6月. | |
| 資料番号 | IBISML2022-4 | |
| 発行日 | 2022-06-20 (NC, IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2022-4 IBISML2022-4 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2022-06-27 - 2022-06-29 |
| 開催地（和） | 琉球大学50周年記念館 |
| 開催地（英） | |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2022-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Adversarial Attacks and Defenses for Non-Parametric Two-Sample Tests |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 敵対的学習 / Adversarial robustness |
| キーワード(2)（和/英） | / |
| キーワード(3)（和/英） | / |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | Xilie Xu / Xilie Xu / |
| 第1著者 所属（和/英） | National University of Singapore (略称： NUS) National University of Singapore (略称： NUS) |
| 第2著者 氏名（和/英/ヨミ） | 張 景鋒 / Jingfeng Zhang / |
| 第2著者 所属（和/英） | RIKEN Center for Advanced Intelligence Project (略称： 理研) RIKEN Center for Advanced Intelligence Project (略称： RIKEN-AIP) |
| 第3著者 氏名（和/英/ヨミ） | Feng Liu / Feng Liu / |
| 第3著者 所属（和/英） | University of Technology Sydney (略称： UTS) University of Technology Sydney (略称： UTS) |
| 第4著者 氏名（和/英/ヨミ） | Masashi Sugiyama / Masashi Sugiyama / |
| 第4著者 所属（和/英） | RIKEN Center for Advanced Intelligence Project (略称： 理研) RIKEN Center for Advanced Intelligence Project (略称： RIKEN-AIP) |
| 第5著者 氏名（和/英/ヨミ） | Mohan Kankanhalli / Mohan Kankanhalli / |
| 第5著者 所属（和/英） | National University of Singapore (略称： NUS) National University of Singapore (略称： NUS) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-06-27 15:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2022-4, IBISML2022-4 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.89(NC), no.90(IBISML) |
| ページ範囲 | pp.20-46 |
| ページ数 | 27 |
| 発行日 | 2022-06-20 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]