| 講演抄録／キーワード |
| 講演名 |
2025-09-04 16:30
多様体に着目した敵対的サンプルに対する対策手法
○加藤駿一・熊谷 瞭・竹本 修・野崎佑典・吉川雅弥（名城大） |
| 抄録 |
（和） |
今日，DNNを利用したAIは，社会の至るところで活用が進んでいる．一方，DNNに対する脅威として，敵対的サンプル（Adversarial Example: AE）が報告されている．AEとは，入力データに微小なノイズを加えることによって，AIに誤認識させる攻撃である．この脅威は，今後のAI活用を考えるうえで，対策が必要不可欠である．したがって，これまでに，AEに対する対策手法は多数研究されている．しかし，いずれの対策手法においても課題があることが報告されている．
そこで本研究では，従来の対策手法とは異なるアプローチとして，特徴空間の位相構造そのものを操作する手法を提案する．提案手法では，DNNの特徴ベクトルをトーラス空間にマッピングし，クラス重心を用いて分類を行う．本手法では，トーラス空間へのマッピングにより，特徴空間にトーラス空間の周期性を反映させ，高次元の小さなノイズが分類へ大きな影響を及ぼしづらいモデルの実現を目指す． |
| （英） |
Today, AI using DNN is being utilized in all areas of society. However, Adversarial Examples(AE) have been reported as a threat to DNN. AEs are attacks that cause AI to misclassify input data by adding imperceptible noise to it. This threat necessitates countermeasure when considering future applications of AI. Therefore, numerous countermeasure against AEs have been studied to date. Nevertheless, issues have been reported in all countermeasure.
In this study, we propose a new approach that differs from conventional countermeasure: manipulating the topological structure of the feature space itself. In the proposed method, DNN feature vectors are mapped to a Torus space, and perform classification using class centroids. This method aims to realize a model that small noise in high-dimensional space have minimal impact on classification by reflecting periodicity of the Torus space in the feature space through mapping to the Torus space. |
| キーワード |
（和） |
人工知能 / 敵対的サンプル / トーラス / 特徴ベクトル / マッピング / / / |
| （英） |
AI / Adversarial Examples / Torus / Feature Vector / Mapping / / / |
| 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 |
IEICE-IE ME IEICE-LOIS IEE-CMN |
| 開催期間 |
2025-09-03 - 2025-09-04 |
| 開催地（和） |
北海道科学大学（FIT2025と併催） |
| 開催地（英） |
Hokkaido University of Science |
| テーマ（和） |
マルチメディア通信/システム，ライフログ活用技術，IP放送/映像伝送，メディアセキュリティ，メディア処理(AI，深層学習)，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 |
2025-09-IE-ME-LOIS-CMN |
| 本文の言語 |
日本語 |
| タイトル（和） |
多様体に着目した敵対的サンプルに対する対策手法 |
| サブタイトル（和） |
|
| タイトル（英） |
Manifold oriented Countermeasure against Adversarial Examples |
| サブタイトル（英） |
|
| キーワード(1)（和/英） |
人工知能 / AI |
| キーワード(2)（和/英） |
敵対的サンプル / Adversarial Examples |
| キーワード(3)（和/英） |
トーラス / Torus |
| キーワード(4)（和/英） |
特徴ベクトル / Feature Vector |
| キーワード(5)（和/英） |
マッピング / Mapping |
| 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） |
加藤 駿一 / Shunichi Kato / カトウ シュンイチ |
| 第1著者 所属（和/英） |
名城大学 (略称： 名城大)
Meijo University (略称： Meijo Univ.) |
| 第2著者 氏名（和/英/ヨミ） |
熊谷 瞭 / Ryo Kumagai / クマガイ リョウ |
| 第2著者 所属（和/英） |
名城大学 (略称： 名城大)
Meijo University (略称： Meijo Univ.) |
| 第3著者 氏名（和/英/ヨミ） |
竹本 修 / Shu Takemoto / シュウ タケモト |
| 第3著者 所属（和/英） |
名城大学 (略称： 名城大)
Meijo University (略称： Meijo Univ.) |
| 第4著者 氏名（和/英/ヨミ） |
野崎 佑典 / Yusuke Nozaki / ノザキ ユウスケ |
| 第4著者 所属（和/英） |
名城大学 (略称： 名城大)
Meijo University (略称： Meijo Univ.) |
| 第5著者 氏名（和/英/ヨミ） |
吉川 雅弥 / Masaya Yoshikawa / ヨシカワ マサヤ |
| 第5著者 所属（和/英） |
名城大学 (略称： 名城大)
Meijo University (略称： Meijo Univ.) |
| 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 |
2025-09-04 16:30:00 |
| 発表時間 |
20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 |
|