지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.5
- 수록면
- 229 - 233 (5page)
이용수
초록· 키워드
오류제보하기
Adversarial attacks pose a significant threat to the reliability and effectiveness of machine learning models in various domains, including medical imaging. In this study, we examine how susceptible a customized Convolutional Neural Network (CNN) model is to such attacks, emphasizing the Fast Gradient Sign Method (FGSM). The purpose is to assess how well the CNN model can categorize images of lung histology into five different groups. We also assess how it affects the precision of lung histopathology image classification. On the initial validation dataset, the model revealed a high baseline accuracy of 93.75%; however, is also showed significant vulnerability to perturbations that are invisible to the human eye. Upon encountering FGSM attacks with an epsilon value o 0.01, the model’s accuracy declined sharply to 65.50%. The accuracy fell to 43.75 because the performance drop was worsened by raising the epsilon value to 0.02. The significant decline in the accuracy of the model, caused by very little noise, highlights the serious threat that adversarial attacks present to the dependability and resilience of machine learning models used in medical imaging. The results emphasize the importance of including adversarial robustness in the deep learning model construction process to guarantee the models’ reliability in clinical settings where precision is critical.
목차
ABSTRACT
I. Introduction
II. Methodology
III. Results and Discussion
IV. Conclusion
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Simulation of Physical Adversarial Attacks on Vehicle Detection Models
제어로봇시스템학회 국제학술대회 논문집
2023 .10
-
픽셀 드랍을 이용한 레이블을 사용하지 않는 전이 기반 적대적 공격
대한전자공학회 학술대회
2021 .11
-
Ensemble of Degraded Artificial Intelligence Modules Against Adversarial Attacks on Neural Networks
Journal of information and communication convergence engineering
2018 .09
-
영상 인식을 위한 딥러닝 모델의 적대적 공격에 대한 백색 잡음 효과에 관한 연구
한국정보전자통신기술학회 논문지
2022 .02
-
적대적 취약성 다양화를 통한 적대적 전이성 향상
대한전자공학회 학술대회
2022 .06
-
LP Norm 기반 적대적 예제 공격에 대한 적대적 학습법의 성능 분석
한국통신학회 학술대회논문집
2020 .08
-
적대적 공격을 활용한 클라우드 기반 음성 인식 서비스의 개인 정보 보호 강화
한국통신학회 학술대회논문집
2024 .06
-
생성 모델 기반 적대적 공격의 전이성 향상을 위한 구분 모델의 특성 지도 마스킹 방법
대한전자공학회 학술대회
2022 .06
-
강화학습 모델에 대한 적대적 공격과 이미지 필터링 기법을 이용한 대응 방안
정보보호학회논문지
2024 .10
-
Grad-CAM을 이용한 적대적 예제 생성 기법 연구
멀티미디어학회논문지
2022 .06
-
적대적 공격에 강인한 적대적 학습 기반의 초분광 영상 분류기 설계
제어로봇시스템학회 논문지
2021 .06
-
데이터 예측 클래스 기반 적대적 공격 탐지 및 분류 모델
정보보호학회논문지
2021 .12
-
Adversarial Training on Joint Energy Based Model for Robust Classification and Out-of-Distribution Detection
제어로봇시스템학회 국제학술대회 논문집
2020 .10
-
Camouflaged Adversarial Attack on Object Detector
제어로봇시스템학회 국제학술대회 논문집
2021 .10
-
Adversarial Sparsity Mapping Network to Defense Against Adversarial Attacks
Proceedings of KIIT Conference
2021 .06
-
전이 기반 적대적 공격 방어를 위한 신경망의 특성 지도 데이터 무작위 치환
대한전자공학회 학술대회
2020 .11
-
FGSM 기반 적대적 공격을 통한 딥페이크 방지
한국통신학회 학술대회논문집
2025 .02
-
High Representation based GAN defense for Adversarial Attack
International journal of advanced smart convergence
2019 .01
-
적대적 공격 상황에서 SNN-SVM 하이브리드 모델의 강건성 분석
대한전자공학회 학술대회
2024 .06
-
Effective Robustness Improvement in Medical Image Segmentation : Adversarial Noise Removal by the Input Transform Method
Journal of KIISE
2023 .10
최근 본 자료
댓글(0)
0