| 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 | 2023-01-26 09:55 Isotropic NetworkとCNNモデル間における敵対的事例の転移性について ○田中美貴（都立大）・越前 功（NII）・貴家仁志（都立大）  EMM2022-62 |
|
| 抄録 | （和） | 深層学習（DNN）モデルは敵対的事例（AE）によって予測結果を誘導される危険があることが知られている．加えて，あるソースモデルに対して攻撃するように設計されたAEが，異なるモデル（ターゲットモデル）に対しても予測結果も誤認識させる転移性と呼ばれる現象がある．本稿では，ResNetに代表されるconvolutional neural network（CNN）モデルとVision Transformer (ViT)やConvMixerに代表されるIsotropic model間のAEの転移性について考察する．さらに，秘密鍵を用いた画像変換によって暗号化されたモデルのAEの転移性の性質についても評価する．実験により，ViTは，ConvMixerなどの他モデルよりも転移性が低く，暗号化を施すことでその転移性がより小さくなることを確認した． |
| （英） | Deep neural networks are well known to be vulnerable to adversarial examples (AEs). In addition, AEs generated for a source model fool other (target) models, and this property is called adversarial transferability. In this paper, we investigate the transferability between a convolutional neural network (CNN) as ResNet and an Isootropic network such the vision transformer (ViT) and ConvMixer. In addition, the use of encrypted models is evaluated in terms of the transferability of AEs. In an experiment, the transferability of ViT was confirmed to be low. Furthermore, the use of encrypted models was confirmed to reduce the influence of the transferability between models. | |
| キーワード | （和） | 敵対的事例 / 転移性 / 深層学習 / / / / / |
| （英） | Adversarial example / Transferability / Deep learning / / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 368, EMM2022-62, pp. 7-12, 2023年1月. | |
| 資料番号 | EMM2022-62 | |
| 発行日 | 2023-01-19 (EMM) | |
| 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 | EMM2022-62 |
|
| 研究会情報 | |
| 研究会 | EMM |
| 開催期間 | 2023-01-26 - 2023-01-26 |
| 開催地（和） | 東北大 |
| 開催地（英） | Tohoku Univ. |
| テーマ（和） | 臨場感生成，ユニバーサルメディア，ディジタルエンタテインメント，一般 |
| テーマ（英） | Sense of Presence, Universal Media, Digital Entertainment, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMM |
| 会議コード | 2023-01-EMM |
| 本文の言語 | 日本語 |
| タイトル（和） | Isotropic NetworkとCNNモデル間における敵対的事例の転移性について |
| サブタイトル（和） | |
| タイトル（英） | On the Transferability of Adversarial Examples between Isotropic Network and CNN models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 敵対的事例 / Adversarial example |
| キーワード(2)（和/英） | 転移性 / Transferability |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| 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） | 田中 美貴 / Miki Tanaka / タナカ ミキ |
| 第1著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropolitan Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 越前 功 / Isao Echizen / エチゼン イサオ |
| 第2著者 所属（和/英） | 国立情報学研究所 (略称： NII) National Institute of Informatics (略称： NII) |
| 第3著者 氏名（和/英/ヨミ） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 第3著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metropolitan Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2023-01-26 09:55:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EMM |
| 資料番号 | EMM2022-62 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.368 |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2023-01-19 (EMM) |
[研究会発表申込システムのトップページに戻る]