| Item type |
Symposium(1) |
| 公開日 |
2021-10-19 |
| タイトル |
|
|
タイトル |
TEMPEST:表形式データに対するモデル抽出攻撃 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Model Extraction Attacks on Tabular Data |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
モデル抽出攻撃，機械学習，表形式，データフリー |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_5794 |
|
資源タイプ |
conference paper |
| 著者所属 |
|
|
|
大阪大学 |
| 著者所属 |
|
|
|
大阪大学 |
| 著者所属 |
|
|
|
大阪大学 |
| 著者所属 |
|
|
|
富士通株式会社 |
| 著者所属 |
|
|
|
富士通株式会社 |
| 著者所属 |
|
|
|
富士通株式会社 |
| 著者所属 |
|
|
|
富士通株式会社 |
| 著者所属 |
|
|
|
富士通株式会社 |
| 著者所属(英) |
|
|
|
en |
|
|
Osaka University |
| 著者所属(英) |
|
|
|
en |
|
|
Osaka University |
| 著者所属(英) |
|
|
|
en |
|
|
Osaka University |
| 著者所属(英) |
|
|
|
en |
|
|
Fujitsu Limited |
| 著者所属(英) |
|
|
|
en |
|
|
Fujitsu Limited |
| 著者所属(英) |
|
|
|
en |
|
|
Fujitsu Limited |
| 著者所属(英) |
|
|
|
en |
|
|
Fujitsu Limited |
| 著者所属(英) |
|
|
|
en |
|
|
Fujitsu Limited |
| 著者名 |
辰巳, 将崇
岩花, 一輝
矢内, 直人
宍戸, 克成
清水, 俊也
樋口, 裕二
森川, 郁也
矢嶋, 純
|
| 著者名(英) |
Masataka, Tatsumi
Kazuki, Iwahana
Naoto, Yanai
Katsunari, Shishido
Toshiya, Shimizu
Yuji, Higuchi
Ikuya, Morikawa
Jun, Yajima
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
モデル抽出攻撃は提供されている機械学習モデルに対するクエリとその出力を通じて，攻撃者が同等程度の性能を持つモデルを得る攻撃である．本稿では表形式のデータに対し，攻撃者が攻撃対象のモデルの学習に用いたデータサンプルを一切持たないデータフリー設定を，より現実的に行う新たなモデル抽出攻撃 TEMPEST を示す．表形式ではデータの正規化処理に起因して攻撃が画像分類よりも複雑化するが，TEMPEST では公開された統計情報を通じてクエリ用サンプルを生成することで，初期サンプルを必要とする従来の攻撃と同等程度の性能をデータフリー設定で実現できる．さらに，TEMPEST のデータ生成では平均と分散を統計情報として用いること，また，抽出モデルの正規化処理は可能な限り被害者モデルと同じものを用いることで性能を改善できることも確認した． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Model extraction attacks are a kind of attack whereby an adversary obtains a machine learning model whose performance is identical to a model to be attacked through queries and their results. This paper presents a novel model extraction attack on tabular data for a milder data-free setting. Whereas model extraction is more challenging on tabular data due to normalization, TEMPEST can provide the same-level performance as existing attacks, which need initial samples, by generating query samples through public statics. Moreover, we identify that the use of mean and variance for the data generation of TEMPEST and the use of the same normalization process as a victim model will improve the performance of TEMPEST. |
| 書誌情報 |
コンピュータセキュリティシンポジウム2021論文集
p. 284-291,
発行日 2021-10-19
|
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJCSS2021039.pdf (2.4 MB)
