개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국정보통신학회JICCE Journal of information and communication convergence engineering Journal of information and communication convergence engineering Vol.16 No.3
- 발행연도
- 2018.9
- 수록면
- 148 - 152 (5page)
이용수
초록· 키워드
오류제보하기
Adversarial attacks on artificial intelligence (AI) systems use adversarial examples to achieve the attack objective. Adversarial examples consist of slightly changed test data, causing AI systems to make false decisions on these examples. When used as a tool for attacking AI systems, this can lead to disastrous results. In this paper, we propose an ensemble of degraded convolutional neural network (CNN) modules, which is more robust to adversarial attacks than conventional CNNs. Each module is trained on degraded images. During testing, images are degraded using various degradation methods, and a final decision is made utilizing a one-hot encoding vector that is obtained by summing up all the output vectors of the modules. Experimental results show that the proposed ensemble network is more resilient to adversarial attacks than conventional networks, while the accuracies for normal images are similar.
목차
Abstract
I. INTRODUCTION
II. ADVERSARIAL ATTACKS ON NEURAL NETWORKS
III. PROPOSED ENSEMBLE SYSTEM ROBUST TO ADVERSARIAL ATTACKS
IV. EXPERIMENTAL RESULTS
V. CONCLUSION
REFERENCES
참고문헌 (12)
참고문헌 신청
[인터넷자원] - I. J. Goodfellow / / Explaining and harnessing adversarial examples
[학술대회논문] - N. Carlini / 2017 / Towards evaluating the robustness of neural networks / Proceedings of IEEE Symposium on Security and Privacy : 39 ~ 57
[학술대회논문] - N. Papernot / 2016 / The limitations of deep learning in adversarial settings / Proceedings of IEEE European Symposium on Security and Privacy : 372 ~ 387
[인터넷자원] - J. Lu / / No need to worry about adversarial examples in object detection in autonomous vehicles
[인터넷자원] - A. Athalye / / Synthesizing robust adversarial examples
[학술대회논문] - N. Carlini / 2017 / Towards evaluating the robustness of neural networks / Proceedings of IEEE Symposium on Security and Privacy : 39 ~ 57
[학술대회논문] - N. Papernot / 2016 / The limitations of deep learning in adversarial settings / Proceedings of IEEE European Symposium on Security and Privacy : 372 ~ 387
[인터넷자원] - J. Lu / / No need to worry about adversarial examples in object detection in autonomous vehicles
[인터넷자원] - A. Athalye / / Synthesizing robust adversarial examples
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
적대적 취약성 다양화를 통한 적대적 전이성 향상
대한전자공학회 학술대회
2022 .06
-
픽셀 드랍을 이용한 레이블을 사용하지 않는 전이 기반 적대적 공격
대한전자공학회 학술대회
2021 .11
-
LP Norm 기반 적대적 예제 공격에 대한 적대적 학습법의 성능 분석
한국통신학회 학술대회논문집
2020 .08
-
생성 모델 기반 적대적 공격의 전이성 향상을 위한 구분 모델의 특성 지도 마스킹 방법
대한전자공학회 학술대회
2022 .06
-
Simulation of Physical Adversarial Attacks on Vehicle Detection Models
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
High Representation based GAN defense for Adversarial Attack
International journal of advanced smart convergence
2019 .01
-
적대적 공격에 강인한 적대적 학습 기반의 초분광 영상 분류기 설계
제어로봇시스템학회 논문지
2021 .06
-
Adversarial Sparsity Mapping Network to Defense Against Adversarial Attacks
Proceedings of KIIT Conference
2021 .06
-
원근 변환 기법을 통한 적대적 이미지의 전이성 향상
대한전자공학회 학술대회
2021 .11
-
Camouflaged Adversarial Attack on Object Detector
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
혼합 이미지를 통한 보편적 적대적 섭동의 공격 성공률 향상
대한전자공학회 학술대회
2022 .06
-
Adversarial Training on Joint Energy Based Model for Robust Classification and Out-of-Distribution Detection
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
적대적 공격 및 방어 기술의 성능 향상을 위한 역방향 적대적 데이터 생성 연구
정보보호학회논문지
2024 .10
-
전이 기반 적대적 공격 방어를 위한 신경망의 특성 지도 데이터 무작위 치환
대한전자공학회 학술대회
2020 .11
-
악성코드 변종 분석을 위한 AI 모델의 Robust 수준 측정 및 개선 연구
정보보호학회논문지
2022 .10
-
데이터 예측 클래스 기반 적대적 공격 탐지 및 분류 모델
정보보호학회논문지
2021 .12
-
얼굴 인식 모델에 대한 질의 효율적인 블랙박스 적대적 공격 방법
정보보호학회논문지
2022 .12
-
AI 모델의 적대적 공격 대응 방안에 대한 연구
한국컴퓨터정보학회 학술발표논문집
2023 .07
-
적대적 공격 상황에서 SNN-SVM 하이브리드 모델의 강건성 분석
대한전자공학회 학술대회
2024 .06
-
카메라 시점 변환을 이용한 전이 기반 적대적 공격 기법
전자공학회논문지
2022 .07
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2023-004-000405229