Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Evaluating the Robustness of Image Classifiers With Adaptive Black-Box Adversarial Attacks
Übersetzter Titel:
Evaluierung der Robustheit von Bildklassifikatoren mit adaptiven adversariellen Black-Box-Angriffen
Autor:
Brunner, Thomas
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Knoll, Alois (Prof. Dr. habil.)
Gutachter:
Knoll, Alois (Prof. Dr. habil.); Chen, Guang (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
DAT 260; DAT 815
Kurzfassung:
This thesis proposes a new adaptive black-box adversarial attack method that is both reliable and efficient. With it, a comprehensive robustness evaluation of image classifiers and defenses against adversarial attacks is conducted. The results show that all classifiers are vulnerable and many defenses are ineffective. The attack is also effective against real-world commercial services. Recommendations for defenses in the real world are developed from the results.
Übersetzte Kurzfassung:
Die Dissertation stellt ein neues adaptives Black-Box-Verfahren zur Erzeugung von Adversarial Examples vor, welches sowohl zuverlässig als auch effizient ist. Hiermit wird die Robustheit von Bildklassifikatoren und Abwehrmechanismen experimentell untersucht. Alle untersuchten Klassifikatoren sind verwundbar und viele Verteidigungsmaßnahmen unwirksam. Der Angriff ist auch gegen reale kommerzielle Systeme erfolgreich. Aus den Ergebnissen werden Empfehlungen zur wirksamen Abwehr hergeleitet.
WWW:
https://mediatum.ub.tum.de/?id=1632171
Eingereicht am:
02.11.2021
Mündliche Prüfung:
27.06.2022
Dateigröße:
34184188 bytes
Seiten:
157
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220627-1632171-1-8
Letzte Änderung:
11.07.2022
 BibTeX