- …
- …
#544
summarized by : 伊藤 諒悟
どんな論文か？
Adversarial Examples (AEs) を学習データ分布から外れたものとしてみなし、ベイジアンニューラルネットワーク（BNN）を用いてAEsを検知する防御手法を提案。BNNにおける問題点を克服した手法としてLiBReを提案し、その防御性能を示した。
新規性
AEsを検知する手法としてBNNが使用されることは既存であったが、予測性能と不確実性推定の性能、学習効率がトレードオフの関係になっていた。これを克服する手法としてFADEを提案したことや、学習効率を上げるために事前学習パラメータを使用してfine-tuningしたことに新規性がある。
結果
既存の防御手法を用いて、モデルの予測性能、様々な攻撃手法に対する防御性能を比較し、lその性能を示した。モデルには、ImageNet予測モデルだけでなく、顔認識モデルや物体検出モデルも使用している。
その他（なぜ通ったか？等）
公式実装：https://github.com/thudzj/ScalableBDL
- …
- …