Core Concepts
画像認識における敵対的攻撃に対する多目的防御手法の重要性と効果を示す。
Abstract
画像認識における敵対的攻撃へのリスクとその影響
敵対的攻撃への防御方法とその重要性
画像から画像への変換を基盤とした多目的防御手法の提案と効果
実験結果や評価指標によるモデルの安定性確認
Stats
提案された多目的防御手法は、平均86%の分類精度を達成し、他の先行研究で提案された防御方法よりも優れている。
多目的防御モデルは、PGD攻撃やMI-FGSM攻撃にさらされた際に、これら2つの攻撃に特化したモデルを上回っている。
Quotes
"提案された多目的防衛アプローチは、さまざまな未知の敵対的攻撃に効果的に抵抗するために1つのモデルだけを訓練することを必要とします。"
"我々が訓練した汎用防衛モデルは、分類精度をほぼゼロから平均86%まで向上させました。"