| 講演抄録／キーワード |
| 講演名 |
2025-06-05 15:50
学習型画像圧縮モデルに対する攻撃手法および防御手法の比較分析
○栗原 潤・孫 鶴鳴（横浜国大） |
| 抄録 |
（和） |
近年, 高効率な画像圧縮モデルとして学習型画像圧縮モデル(LIC Model: Learned Image Compression Model)の利用が期待されている．一方で，機械学習を用いた圧縮モデルは敵対者の人為的な摂動により復元画像の性能が大幅に劣化することが課題として挙げられる．そこで本研究ではFGSM(Fast Gradient Sign Method)手法を用いた攻撃手法の性能およびこれに対する敵対的訓練による防御手法の性能評価を行なった．攻撃手法に関する評価では，元画像・攻撃後画像および再構成画像の組みからなる3種類の異なる歪み損失関数を定義し，これらに基づいたFGSMの攻撃性能を比較することで，元画像と敵対的サンプル出力画像間の歪み損失関数を勾配計算に用いた際に最も優れた攻撃性能を達成することを示した．また，この攻撃に対する防御手法として行なった敵対的訓練では，LICモデルに敵対的サンプルを学習させることで再構成画像の劣化を抑制し，訓練前と比較して圧縮効率(RD損失)を11.4%改善できることを明らかにした． |
| （英） |
In recent years, learned image compression (LIC) models have attracted attention as a promising approach for achieving high-efficiency image compression. However, a key challenge of such machine learning-based models is their vulnerability to adversarial perturbations, which can significantly degrade the quality of the reconstructed images. In this study, we evaluate the performance of an adversarial attack using the Fast Gradient Sign Method (FGSM) as well as a defense method based on adversarial training. For the attack, we define three different loss functions based on the combinations of the original, perturbed, and reconstructed images, and compare the attack performance of FGSM under each loss. The results show that using the loss between the original and reconstructed images for gradient computation yields the most effective attack. For the defense, adversarial training is applied to the LIC model using adversarial examples. This approach successfully mitigates the degradation of the reconstructed images and improves the rate-distortion performance by 11.4% compared to the model before training. |
| キーワード |
（和） |
LICモデル / 敵対的攻撃 / 敵対的訓練 / FGSM / / / / |
| （英） |
LIC model / Adversarial Attack / Adversarial Training / FGSM / / / / |
| 文献情報 |
映情学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
| 研究会情報 |
| 研究会 |
IST ME IEICE-IE IEICE-BioX IEICE-SIP IEICE-MI |
| 開催期間 |
2025-06-05 - 2025-06-06 |
| 開催地（和） |
金沢大学（角間キャンパス） |
| 開催地（英） |
|
| テーマ（和） |
マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、および一般 |
| テーマ（英） |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
IEICE-IE |
| 会議コード |
2025-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 |
日本語 |
| タイトル（和） |
学習型画像圧縮モデルに対する攻撃手法および防御手法の比較分析 |
| サブタイトル（和） |
|
| タイトル（英） |
Comparative Analysis of Attack and Defense Methods Against Learned Image Compression Models |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
LICモデル / LIC model |
| キーワード(2)（和/英） |
敵対的攻撃 / Adversarial Attack |
| キーワード(3)（和/英） |
敵対的訓練 / Adversarial Training |
| キーワード(4)（和/英） |
FGSM / FGSM |
| キーワード(5)（和/英） |
/ |
| キーワード(6)（和/英） |
/ |
| キーワード(7)（和/英） |
/ |
| キーワード(8)（和/英） |
/ |
| 第1著者 氏名（和/英/ヨミ） |
栗原 潤 / Jun Kurihara / クリハラ ジュン |
| 第1著者 所属（和/英） |
横浜国立大学 (略称： 横浜国大)
Yokohama National University (略称： YNU) |
| 第2著者 氏名（和/英/ヨミ） |
孫 鶴鳴 / Heming Sun / ソン カクメイ |
| 第2著者 所属（和/英） |
横浜国立大学 (略称： 横浜国大)
Yokohama National University (略称： YNU) |
| 第3著者 氏名（和/英/ヨミ） |
/ / |
| 第3著者 所属（和/英） |
(略称： )
(略称： ) |
| 第4著者 氏名（和/英/ヨミ） |
/ / |
| 第4著者 所属（和/英） |
(略称： )
(略称： ) |
| 第5著者 氏名（和/英/ヨミ） |
/ / |
| 第5著者 所属（和/英） |
(略称： )
(略称： ) |
| 第6著者 氏名（和/英/ヨミ） |
/ / |
| 第6著者 所属（和/英） |
(略称： )
(略称： ) |
| 第7著者 氏名（和/英/ヨミ） |
/ / |
| 第7著者 所属（和/英） |
(略称： )
(略称： ) |
| 第8著者 氏名（和/英/ヨミ） |
/ / |
| 第8著者 所属（和/英） |
(略称： )
(略称： ) |
| 第9著者 氏名（和/英/ヨミ） |
/ / |
| 第9著者 所属（和/英） |
(略称： )
(略称： ) |
| 第10著者 氏名（和/英/ヨミ） |
/ / |
| 第10著者 所属（和/英） |
(略称： )
(略称： ) |
| 第11著者 氏名（和/英/ヨミ） |
/ / |
| 第11著者 所属（和/英） |
(略称： )
(略称： ) |
| 第12著者 氏名（和/英/ヨミ） |
/ / |
| 第12著者 所属（和/英） |
(略称： )
(略称： ) |
| 第13著者 氏名（和/英/ヨミ） |
/ / |
| 第13著者 所属（和/英） |
(略称： )
(略称： ) |
| 第14著者 氏名（和/英/ヨミ） |
/ / |
| 第14著者 所属（和/英） |
(略称： )
(略称： ) |
| 第15著者 氏名（和/英/ヨミ） |
/ / |
| 第15著者 所属（和/英） |
(略称： )
(略称： ) |
| 第16著者 氏名（和/英/ヨミ） |
/ / |
| 第16著者 所属（和/英） |
(略称： )
(略称： ) |
| 第17著者 氏名（和/英/ヨミ） |
/ / |
| 第17著者 所属（和/英） |
(略称： )
(略称： ) |
| 第18著者 氏名（和/英/ヨミ） |
/ / |
| 第18著者 所属（和/英） |
(略称： )
(略称： ) |
| 第19著者 氏名（和/英/ヨミ） |
/ / |
| 第19著者 所属（和/英） |
(略称： )
(略称： ) |
| 第20著者 氏名（和/英/ヨミ） |
/ / |
| 第20著者 所属（和/英） |
(略称： )
(略称： ) |
| 第21著者 氏名（和/英/ヨミ） |
/ / |
| 第21著者 所属（和/英） |
(略称： )
(略称： ) |
| 第22著者 氏名（和/英/ヨミ） |
/ / |
| 第22著者 所属（和/英） |
(略称： )
(略称： ) |
| 第23著者 氏名（和/英/ヨミ） |
/ / |
| 第23著者 所属（和/英） |
(略称： )
(略称： ) |
| 第24著者 氏名（和/英/ヨミ） |
/ / |
| 第24著者 所属（和/英） |
(略称： )
(略称： ) |
| 第25著者 氏名（和/英/ヨミ） |
/ / |
| 第25著者 所属（和/英） |
(略称： )
(略称： ) |
| 第26著者 氏名（和/英/ヨミ） |
/ / |
| 第26著者 所属（和/英） |
(略称： )
(略称： ) |
| 第27著者 氏名（和/英/ヨミ） |
/ / |
| 第27著者 所属（和/英） |
(略称： )
(略称： ) |
| 第28著者 氏名（和/英/ヨミ） |
/ / |
| 第28著者 所属（和/英） |
(略称： )
(略称： ) |
| 第29著者 氏名（和/英/ヨミ） |
/ / |
| 第29著者 所属（和/英） |
(略称： )
(略称： ) |
| 第30著者 氏名（和/英/ヨミ） |
/ / |
| 第30著者 所属（和/英） |
(略称： )
(略称： ) |
| 第31著者 氏名（和/英/ヨミ） |
/ / |
| 第31著者 所属（和/英） |
(略称： )
(略称： ) |
| 第32著者 氏名（和/英/ヨミ） |
/ / |
| 第32著者 所属（和/英） |
(略称： )
(略称： ) |
| 第33著者 氏名（和/英/ヨミ） |
/ / |
| 第33著者 所属（和/英） |
(略称： )
(略称： ) |
| 第34著者 氏名（和/英/ヨミ） |
/ / |
| 第34著者 所属（和/英） |
(略称： )
(略称： ) |
| 第35著者 氏名（和/英/ヨミ） |
/ / |
| 第35著者 所属（和/英） |
(略称： )
(略称： ) |
| 第36著者 氏名（和/英/ヨミ） |
/ / |
| 第36著者 所属（和/英） |
(略称： )
(略称： ) |
| 講演者 |
第1著者 |
| 発表日時 |
2025-06-05 15:50:00 |
| 発表時間 |
25分 |
| 申込先研究会 |
IEICE-IE |
| 資料番号 |
|
| 巻番号（vol） |
vol.49 |
| 号番号（no） |
|
| ページ範囲 |
|
| ページ数 |
|
| 発行日 |
|