請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/80238| 標題: | 基於對抗例攻擊之AI模型防禦力評估檢測 Evaluating Robustness of AI Models against Adversarial Attacks |
| 作者: | Chih-Ling Chang 張芷苓 |
| 指導教授: | 郭斯彥(Sy-Yen Kuo) |
| 關鍵字: | 防禦力分析,卷積神經網路,對抗例攻擊,影像處理,電腦視覺,人工智慧, Robustness evaluation,convolution neural network (CNN),adversarial attack,adversarial example,computer vision,artificial intelligence, |
| 出版年 : | 2021 |
| 學位: | 碩士 |
| 摘要: | 近年來神經網絡的對抗例攻擊變得比以往更具影響力和危險性，因此人工智慧(AI)模型對於對抗例攻擊已經不再有強大的防禦能力。本研究提出了一種評估AI模型穩健性的方法。當受到13種類型的對抗性攻擊時，評估了六種常用的圖像分類CNN模型。模型的穩健性是採用相對值的評估方法，並可以作為進一步改進的參考。與之前的相關工作不同的是，我們的算法是可以讓使用者自由選擇神經網絡模型、資料集以及攻擊方式。另外，若有些使用者不想公開自己的模型架構但卻又想評估模型的防禦力，那麼我們就需要建構替代網路來完成評估黑箱模型的工作。由於本研究亦使用自己建構之替代網路模型來做模型防禦力分析，而且對於黑箱模型以及替代網路模型攻擊之誤差非常小，因此攻擊替代網路模型並分析其防禦力是可行且具參考性的。 |
| URI: | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/80238 |
| DOI: | 10.6342/NTU202101339 |
| 全文授權: | 同意授權(限校園內公開) |
| 顯示於系所單位： | 電機工程學系 |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| U0001-0807202110592800.pdf 授權僅限NTU校內IP使用（校園外請利用VPN校外連線服務） | 2.01 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。