• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Adversariale Robustheit Neuronaler Netze: Verteidigungen gegen Vermeidungsangriffe zur Testzeit

Adversariale Robustheit Neuronaler Netze: Verteidigungen gegen Vermeidungsangriffe zur Testzeit

Paperback

General ComputersNetworking

ISBN10: 3961168962
ISBN13: 9783961168965
Publisher: Diplom.de
Published: Mar 8 2021
Pages: 124
Weight: 0.38
Height: 0.29 Width: 5.83 Depth: 8.27
Language: German
Gelernte Klassifikationsverfahren sind nicht sicher, wenn Angreifer gezielte Veränderungen an der Eingabe vornehmen. Obwohl diese Änderungen für den Menschen kaum wahrnehmbar sind, ändert sich die Klassifikation. Um gelernte Modelle in sicherheitskritischen Bereichen anwenden zu können, ist es erforderlich, Methoden zu entwickeln, die Robustheit gegen adversariale Angriffe gewährleisten können. Hier wird eine Übersicht über verschiedene Anwendungsfälle, Angriffe, die daraus entstehenden Problemstellungen, Ansätze zur Verteidigung sowie Gefahren bei der Evaluation dieser gegeben und die Notwendigkeit korrekter Verfahren aufgezeigt.

Also in

Networking