WEKO3
アイテム
複数の出力層を持つ物体検出CNNに対し最適な遠隔敵対的patch
https://ipsj.ixsq.nii.ac.jp/records/228782
https://ipsj.ixsq.nii.ac.jp/records/228782e5c467e1-e9c6-4633-b3bf-fb683e6009f8
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CSS2023169.pdf (1.0 MB)
2025年10月23日からダウンロード可能です。
|
Copyright (c) 2023 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, CSEC:会員：¥0, SPT:会員：¥0, DLIB:会員：¥0 | ||
| Item type | Symposium(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-10-23 | |||||||||
| タイトル | ||||||||||
| タイトル | 複数の出力層を持つ物体検出CNNに対し最適な遠隔敵対的patch | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Optimal Remote Adversarial Patches on Object Detection CNNs with Multiple Output Layers | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 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 | ||||||||||
| 三菱電機株式会社 | ||||||||||
| 著者所属 | ||||||||||
| 三菱電機株式会社 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Mitsubishi Electric Corporation | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Mitsubishi Electric Corporation | ||||||||||
| 著者名 |
大西, 健斗
× 大西, 健斗
× 中井, 綱人
|
|||||||||
| 著者名(英) |
Kento, Oonishi
× Kento, Oonishi
× Tsunato, Nakai
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 本発表では，畳み込みニューラルネットワーク(CNN)において，最適な遠隔敵対的patchの形状について考察を行う．既存研究では，YOLOv2について，敵対的patchの効果は各pixelを起点としてほぼ同心円状に拡散すること及び最適な遠隔敵対的patchの形状が円の一部となることを示した．しかし，この研究は，一種類の畳み込み層のみを考察した議論となっており，他のCNNに対しての議論が不十分であった．本発表では，他の畳み込み層を含んでいたとしても，3×3でストライドが1の畳み込み層を主としてCNNが構成されていれば，敵対的patchの効果が，各pixelを起点としてほぼ同心円状に拡散することを示す．さらに，本発表では，複数の出力層を持つCNNであるSSD，RetinaNet，及びFCOSに対して遠隔敵対的patchの適用実験を行い，CNNの種類によって強力な敵対的patchの形状が異なることを示す．特に，畳み込み回数が最も少ない出力層に着目した際，該当する層での拡散効果の小さいCNN(SSD)では四角の遠隔敵対的patchが，拡散効果の大きいCNN(RetinaNet及びFCOS)では三日月(円の一部)の遠隔敵対的patchの効果が高いことを実験により示した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | This presentation discusses the optimal shape of adversarial patches. Previous study shows that an effect of adversarial patches spreads concentrically on YOLOv2. However, this study only considers one convolutional layer in YOLOv2 and the discussion for the other CNNs is insufficient. This presentation discusses the other convolution layers and shows that an effect of adversarial patches spreads concentrically when a CNN mainly consists of convolutional layers with 3×3 size, stride one. Moreover, we apply remote adversarial patches on SSD, RetinaNet, and FCOS which have multiple output layers. Our experiments show that effective shapes are different between CNNs. Especially, our experiment shows that lower diffusion CNNs (e.g. SSD) are attacked by square adversarial patches, and higher diffusion CNNs (e.g. RetinaNet and FCOS) are attacked by adversarial patches with a part of a circle. | |||||||||
| 書誌情報 |
コンピュータセキュリティシンポジウム2023論文集 p. 1243-1250, 発行日 2023-10-23 |
|||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
