Explainable AI for Inspecting Adversarial Attacks on Deep Neural Networks - Publikacja - MOST Wiedzy

Wyszukiwarka

Explainable AI for Inspecting Adversarial Attacks on Deep Neural Networks

Abstrakt

Deep Neural Networks (DNN) are state of the art algorithms for image classification. Although significant achievements and perspectives, deep neural networks and accompanying learning algorithms have some important challenges to tackle. However, it appears that it is relatively easy to attack and fool with well-designed input samples called adversarial examples. Adversarial perturba-tions are unnoticeable for humans. Such attacks are a severe threat to the devel-opment of these systems in critical applications, such as medical or military sys-tems. Hence, it is necessary to develop methods of counteracting these attacks. These methods are called defense strategies and aim at increasing the neural mod-el's robustness against adversarial attacks. In this paper, we reviewed the recent findings in adversarial attacks and defense strategies. We also analyzed the ef-fects of attacks and defense strategies applied, using the local and global analyz-ing methods from the family of explainable artificial intelligence.

Cytowania

  • 0

    CrossRef

  • 0

    Web of Science

  • 0

    Scopus

Cytuj jako

Pełna treść

pełna treść publikacji nie jest dostępna w portalu

Słowa kluczowe

Informacje szczegółowe

Kategoria:
Publikacja monograficzna
Typ:
rozdział, artykuł w książce - dziele zbiorowym /podręczniku w języku o zasięgu międzynarodowym
Tytuł wydania:
Artificial Intelligence and Soft Computing strony 134 - 146
Język:
angielski
Rok wydania:
2020
Opis bibliograficzny:
Klawikowska Z., Mikołajczyk A., Grochowski M.: Explainable AI for Inspecting Adversarial Attacks on Deep Neural Networks// Artificial Intelligence and Soft Computing. Part 1/ : , 2020, s.134-146
DOI:
Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1007/978-3-030-61401-0_14
Weryfikacja:
Politechnika Gdańska

wyświetlono 73 razy

Publikacje, które mogą cię zainteresować

Meta Tagi