Główne pojęcia
DEM은 통계적 검증 기술을 사용하여 개별 딥 신경망 출력의 신뢰성을 평가하고 인증하는 방법이다. 이를 통해 인간 전문가의 개입이 필요한 출력을 식별할 수 있다.
Streszczenie
이 논문은 항공우주 분야에서 딥 신경망 분류기를 안전하게 통합하기 위한 새로운 출력 중심 접근법인 DEM(DNN Enable Monitor)을 소개한다. DEM은 통계적 검증 기술을 사용하여 개별 딥 신경망 출력의 신뢰성을 평가하고 인증한다.
DEM의 핵심 원리는 입력 x0가 올바르게 분류되었다면 x0 주변의 대부분의 입력도 동일하게 분류될 것이라는 것이다. 반면 x0가 적대적 입력이라면 주변 입력들의 분류 결과가 다를 것이다. DEM은 이러한 차이를 효과적으로 구분하여 출력을 인증하거나 의심스러운 것으로 표시한다.
DEM은 두 가지 버전의 알고리즘을 제공한다. 하나는 재현율 중심 알고리즘으로, 모든 입력을 "인증됨" 또는 "의심됨"으로 분류한다. 다른 하나는 정밀도 중심 알고리즘으로, 입력을 "인증됨", "의심됨", "알 수 없음"의 세 가지로 분류한다. 이를 통해 인간 전문가의 개입이 필요한 입력만 식별할 수 있다.
실험 결과, DEM은 상태 기술 방법인 LID에 비해 적대적 입력 탐지 성능이 크게 향상되었다. 특히 Frog 클래스에서 100% 탐지율을 달성하여 항공우주 인증 요구 사항을 충족할 수 있음을 보여주었다.
Statystyki
항공기, 자동차, 새, 고양이, 사슴 클래스에서 DEM의 적대적 입력 탐지율은 각각 92%, 94%, 91%, 91%, 93%였다.
개, 개구리, 말, 배, 트럭 클래스에서 DEM의 적대적 입력 탐지율은 각각 91%, 99%, 88%, 96%, 95%였다.
Cytaty
"DEM은 개별 딥 신경망 출력의 신뢰성을 평가하고 인증하는 새로운 출력 중심 접근법이다."
"DEM의 핵심 원리는 올바르게 분류된 입력 주변의 대부분의 입력도 동일하게 분류될 것이라는 것이다."
"DEM은 입력을 '인증됨', '의심됨', '알 수 없음'의 세 가지로 분류하여 인간 전문가의 개입이 필요한 입력만 식별할 수 있다."