Core Concepts
新たな攻撃に適応する初の継続的な敵対的防御(CAD)フレームワークを提案し、動的シナリオで効果を検証。
Abstract
著者は、動的な環境での防御システムの挑戦に対処するために、CADフレームワークを導入している。
CADは、インターネットから少数のフィードバックを収集し、段階ごとに出現するさまざまな攻撃に動的に適応するよう設計されている。
CIFAR-10およびImageNet-100で行われた実験では、CADが複数段階のさまざまな敵対的攻撃に対して有効性を示し、多くのベースライン手法よりも優れた結果を達成している。
段落構造:
Abstract
動的な環境での敵対的攻撃への迅速かつ効果的な対応が重要。
Introduction
ディープニューラルネットワークは広範囲で使用されており、敵対的攻撃への脆弱性が指摘されている。
Related Work
敵対攻撃や防御方法に関する先行研究や技術ソリューションが紹介されている。
Threat Model and Defense Principles
防御システムが直面する脅威モデルと防御原則が説明されている。
Continual Adversarial Defense Framework
CADフレームワークの詳細と各部分(Continual Adaptation, Embedding Reservation, Prototype Augmentation, Model Ensemble)が説明されている。
Experiment
CIFAR-10およびImageNet-100で行われた実験結果と比較が示されている。
Stats
新たな攻撃への適応能力: 95.8% (CIFAR-10)
フィードバック量K=1でも高い防御性能: 93.4% (CIFAR-10)
Quotes
"動的シナリオで多段階のさまざまな敵対攻撃に有効性を示すCAD"
"CADは新しい攻撃タイプに連続して適応し、前回の攻撃に対する高性能を保持"