| 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 | 2022-08-26 14:26 説明可能AIを用いたAdversarial Examplesの生成手法およびその評価 ○熊谷 瞭・竹本 修・野崎佑典・吉川雅弥（名城大）  SIP2022-72 |
|
| 抄録 | （和） | AI技術の進歩により，AIの決定に対する説明責任がより重要になっている．説明可能AI（XAI）は，説明責任を果たすための重要な技術である．さらに，AIシステムが普及する中で，その脆弱性が指摘されている．その1つに，入力に僅かな摂動を加えることでAIに対し誤判断を誘発させる敵対的サンプル（adversarial examples, AE）がある．したがって，システムを安全に利用するにはAEに対する調査が必要である．そこで本研究では，XAIを利用し摂動を加える範囲を制限したAEの生成方法を提案する．実験により，提案手法によるAEは従来手法より少ない摂動で攻撃を成功させることが可能であることが示された． |
| （英） | With the advancement of AI technology, AI can be applied to various fields. Therefore the accountability for the decision by AI has become more important. The explainable AI (XAI) is a key technology to fulfill the accountability. While AI is spreading , the vulnerability of AI system is pointed out. The adversarial examples (AE), which causes wrong decisions by AI, is one of the terrible attacks for AI. Thus thorough investigation for AEs is mandatory required to use AI safely. This paper propose the generating method for adversarial examples which is based on XAI. Experiments prove the proposed method is superior to previous AEs. | |
| キーワード | （和） | 深層ニューラルネットワーク / セキュリティ / 敵対的サンプル / 説明可能AI / / / / |
| （英） | deep neural networks / security / adversarial examples / explainable AI / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 165, SIP2022-72, pp. 115-120, 2022年8月. | |
| 資料番号 | SIP2022-72 | |
| 発行日 | 2022-08-18 (SIP) | |
| 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 | SIP2022-72 |
|
| 研究会情報 | |
| 研究会 | SIP |
| 開催期間 | 2022-08-25 - 2022-08-26 |
| 開催地（和） | 大濱信泉記念館（石垣島） |
| 開催地（英） | Nobumoto Ohama Memorial Hall (Ishigaki Island) |
| テーマ（和） | 信号処理一般（数理・学習・画像・音声音響・通信・実現システム・基礎等) |
| テーマ（英） | Signal processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2022-08-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 説明可能AIを用いたAdversarial Examplesの生成手法およびその評価 |
| サブタイトル（和） | |
| タイトル（英） | Generation method of Adversarial Examples using XAI |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層ニューラルネットワーク / deep neural networks |
| キーワード(2)（和/英） | セキュリティ / security |
| キーワード(3)（和/英） | 敵対的サンプル / adversarial examples |
| キーワード(4)（和/英） | 説明可能AI / explainable AI |
| 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） | 熊谷 瞭 / Ryo Kumagai / クマガイ リョウ |
| 第1著者 所属（和/英） | 名城大学 (略称： 名城大) Meijo University (略称： Meijo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 竹本 修 / Shu Takemoto / タケモト シュウ |
| 第2著者 所属（和/英） | 名城大学 (略称： 名城大) Meijo University (略称： Meijo Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 野崎 佑典 / Yusuke Nozaki / ノザキ ユウスケ |
| 第3著者 所属（和/英） | 名城大学 (略称： 名城大) Meijo University (略称： Meijo Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 吉川 雅弥 / Masaya Yoshikawa / ヨシカワ マサヤ |
| 第4著者 所属（和/英） | 名城大学 (略称： 名城大) Meijo University (略称： Meijo Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-08-26 14:26:00 |
| 発表時間 | 18分 |
| 申込先研究会 | SIP |
| 資料番号 | SIP2022-72 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.165 |
| ページ範囲 | pp.115-120 |
| ページ数 | 6 |
| 発行日 | 2022-08-18 (SIP) |
[研究会発表申込システムのトップページに戻る]