| 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 | 2024-02-19 10:45 輝度補正を用いたAdversarial Examplesの対策手法 ○東條巧弥・熊谷 瞭・竹本 修・野崎佑典・吉川雅弥（名城大）  ITS2023-47 IE2023-36 |
|
| 抄録 | （和） | 近年，深層学習AIを用いた画像分類は車載AIなどに用いられ，その精度や応答速度が重要となっている．日本でも福井県で自動運転レベル4の移動サービスが運用されていたように，自動運転レベル4の実用化に向けた動きが活発になってきている．しかし，このような画像分類AIへの攻撃手法も報告されており，その内の一つに微少な摂動を用いて誤分類を引き起こさせる敵対的サンプルが挙げられる．そこで，提案手法として車載カメラなどで敵対的サンプルを含む画像を取り込んだ際に，輝度補正を行い，画像分類AIに入力することで摂動の影響を低減する手法を提案する．提案手法は，現在の代表的なAE対策手法である敵対的学習と比較して，追加の学習データ等が不要な対策である．提案手法の実現のため，本研究ではソフトウェア上で敵対的サンプルを入力し，輝度補正が敵対的サンプルに与える影響を検証した．また，評価実験により輝度補正の効果を確認した． |
| （英） | Recently, image classification using deep learning AI has been used for in-vehicle AI, and its accuracy and response speed have become important. However, it has been reported that there are attack methods against such image inference AI, one of which is Adversarial Examples that cause misclassification. Therefore, we propose a method to reduce the effect of perturbation by applying image processing luminance correction to images with Adversarial Examples and inputting them to the image inference AI. To realize the proposed method, we have verified the impact of luminance correction by inputting Adversarial Examples in software. | |
| キーワード | （和） | AIセキュリティ / 敵対的サンプル / 画像処理 / 輝度 / / / / |
| （英） | AI security / adversarial examples / image processing / luminance / / / / | |
| 文献情報 | 信学技報, vol. 123, no. 381, IE2023-36, pp. 7-12, 2024年2月. | |
| 資料番号 | IE2023-36 | |
| 発行日 | 2024-02-12 (ITS, IE) | |
| 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 | ITS2023-47 IE2023-36 |
|
| 研究会情報 | |
| 研究会 | ITS IE ITE-MMS ITE-ME ITE-AIT |
| 開催期間 | 2024-02-19 - 2024-02-20 |
| 開催地（和） | 北海道大学 |
| 開催地（英） | Hokkaido Univ. |
| テーマ（和） | 画像処理、一般（予定） |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2024-02-ITS-IE-MMS-ME-AIT |
| 本文の言語 | 日本語 |
| タイトル（和） | 輝度補正を用いたAdversarial Examplesの対策手法 |
| サブタイトル（和） | |
| タイトル（英） | Brightness Adjustment based Countermeasure against Adversarial Examples |
| サブタイトル（英） | |
| キーワード(1)（和/英） | AIセキュリティ / AI security |
| キーワード(2)（和/英） | 敵対的サンプル / adversarial examples |
| キーワード(3)（和/英） | 画像処理 / image processing |
| キーワード(4)（和/英） | 輝度 / luminance |
| 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） | 東條 巧弥 / Takumi Tojo / トウジョウ タクミ |
| 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） | 熊谷 瞭 / Ryo Kumagai / クマガイ リョウ |
| 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） | 竹本 修 / Shu Takemoto / タケモト シュウ |
| 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） | 野崎 佑典 / Yusuke Nozaki / ノザキ ユウスケ |
| 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） | 吉川 雅弥 / Masaya Yoshikawa / ヨシカワ マサヤ |
| 第5著者 所属（和/英） | 名城大学 (略称： 名城大) Meijo University (略称： Meijo Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-19 10:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2023-47, IE2023-36 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.380(ITS), no.381(IE) |
| ページ範囲 | pp.7-12 |
| ページ数 | 6 |
| 発行日 | 2024-02-12 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]