| 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 | 2024-11-30 14:40 認識と再構成における敵対的画像の特徴量分析 ○前田拓海（高志高）・熊野創一郎・山﨑俊彦（東大）  PRMU2024-28 |
|
| 抄録 | （和） | 画像認識タスクとオートエンコーダーによる再構成タスクにおける特徴量は，相異なることが知られている．だが，敵対的画像から得られる特徴量のタスクによる違いについては，あまり知られていない．そこで同一の敵対的画像で分類タスクと再構成タスクの両方を攻撃できる新たな手法を提案し，実験を通じて敵対的画像の特徴量について調べた．この手法はProjected Gradient Descentをベースとしており，目的関数に分類誤差と再構成誤差の両方を含めることで，同時に両方のタスクを攻撃できるようにしている．実験では，誤分類と再構成画像の崩壊を同時に引き起こすだけでなく，誤分類先のクラスと再構成される画像を指定する攻撃が可能であると分かった．また，指定する誤分類先のクラスと再構成される画像とが相異なる場合でも，攻撃可能であった．これらの結果から，認識と再構成では敵対的画像の特徴量に違いがあると考えられる． |
| （英） | In image recognition and reconstruction tasks using autoencoders, it is known that deep features through models differ. However, the differences of features from adversarial examples between those tasks is not well understood. In this study, we propose a novel method that can attack both classification and reconstruction tasks using the same adversarial example and investigate the difference experimentally. This method employs classification and reconstruction losses as objective function of projected gradient descent in order to attack both tasks. The experiments show that our method induces misclassification and degrades reconstructed image. In addition, it allows to specify both of the target misclassified class and the target reconstructed image. Furthermore, even when we specify different target class and target image, our attack remains effective. These results suggest that adversarial images exhibit different features in recognition and reconstruction tasks. | |
| キーワード | （和） | ニューラルネットワーク / 敵対的画像 / 敵対的攻撃 / オートエンコーダー / 特徴量 / / / |
| （英） | Neural Network / Adversarial Examples / Adversarial Attacks / AutoEncoder / Latent Features / / / | |
| 文献情報 | 信学技報, vol. 124, no. 281, PRMU2024-28, pp. 101-104, 2024年11月. | |
| 資料番号 | PRMU2024-28 | |
| 発行日 | 2024-11-22 (PRMU) | |
| 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 | PRMU2024-28 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM IPSJ-CGVI IPSJ-DCC |
| 開催期間 | 2024-11-29 - 2024-11-30 |
| 開催地（和） | 福井工業大学 福井キャンパス |
| 開催地（英） | |
| テーマ（和） | 生成・創造のためのCV/CG/DCC/PR技術 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2024-11-PRMU-CVIM-CGVI-DCC |
| 本文の言語 | 日本語 |
| タイトル（和） | 認識と再構成における敵対的画像の特徴量分析 |
| サブタイトル（和） | |
| タイトル（英） | Feature Analysis of Adversarial Examples in Perception and Reconstruction |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ニューラルネットワーク / Neural Network |
| キーワード(2)（和/英） | 敵対的画像 / Adversarial Examples |
| キーワード(3)（和/英） | 敵対的攻撃 / Adversarial Attacks |
| キーワード(4)（和/英） | オートエンコーダー / AutoEncoder |
| キーワード(5)（和/英） | 特徴量 / Latent Features |
| 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） | 前田 拓海 / Takumi Maeda / マエダ タクミ |
| 第1著者 所属（和/英） | 福井県立高志高等学校 (略称： 高志高) Fukui Prefectural Koshi Senior High School (略称： Koshi High School) |
| 第2著者 氏名（和/英/ヨミ） | 熊野 創一郎 / Soichiro Kumano / クマノ ソウイチロウ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 山﨑 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 第3著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-11-30 14:40:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2024-28 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.281 |
| ページ範囲 | pp.101-104 |
| ページ数 | 4 |
| 発行日 | 2024-11-22 (PRMU) |
[研究会発表申込システムのトップページに戻る]