درحال بارگذاري...
جستجو
| ایمیل دوست | |
| نام شما | |
| ایمیل شما | |
| کد مقابل را وارد نمایید | |
این صفحه برای دوست شما با موفقیت ارسال شد.
فهرست محتوای دیجیتالی
فهرست مطالب
فهرست نقدها
27 مرتبه مشاهده شده
کاربرد نمایش های تنک در یادگیری ماشین خصمانه
نوشهری، احسان Noshahri, Ehsan
- شماره پایان نامه:55685
- کد دانشکده:05
- پديدآور: نوشهری، احسان
- عنوان:کاربرد نمایش های تنک در یادگیری ماشین خصمانه.
- نام دانشگاه/پژوهشگاه:صنعتی شریف
- سال اخذ مدرك:1401.
- نام دانشکده:مهندسی برق
- مقطع:کارشناسی ارشد
- گرایش:مخابرات سیستم
- توصیف ظاهری:107ص.: جدول، نمودار، کتابنامه؛ چکیده به فارسی و انگلیسی
- توصیفگر: یادگیری ماشین خصمانه Adversarial Machine Learning
- توصیفگر: حمله های متخاصم Adversarial Attacks
- توصیفگر: نمایش تنک Sparse Representation
- توصیفگر: یادگیری عمیق Deep Learning
- توصیفگر: دفاع خصمانه Adversarial Defense
- استاد راهنما. بابایی زاده، مسعود
-
محتواي کتاب
- مشاهده
- مقدمه
- مروری بر یادگیری ماشین خصمانه
- مقدمه
- طبقهبندی با استفاده از مدلهای یادگیری عمیق
- مروری بر حملات خصمانه در یادگیری ماشین
- فرم کلی حملات خصمانه
- حملهی L-BFGS
- حملهی PGD
- حملهی CW
- حملهی DeepFool
- حملهی SparseFool
- روش JSMA
- حملهی Auto-PGD
- مقاومت در برابر حملات خصمانه
- تقطیر دفاعی
- دفاع مبتنی بر پیشپردازش
- آموزش با نمونههای خصمانه
- مقاومت تضمینشده
- جمعبندی
- مروری بر نمایش تنک سیگنالها
- مقدمه
- مسئلهی نمایش تنک
- روش BP
- الگوریتم OMP
- روش SL0
- نویززدایی از تصویر با استفاده از نمایش تنک
- جمعبندی
- روش پیشنهادی برای انجام حملات خصمانه بر اساس تقریب نرم صفر با تابع SL0
- مقدمه
- حملهی SL0
- ایدهی اصلی حمله
- فرمولبندی حمله
- راهحل اولیه
- فرضیات اولیه
- ابزار تحقیق
- آزمایشها و نتایج اولیه
- کاهش نرم صفر حملهی SL0
- کاهش نرم صفر حملهی SL0 با بریدن مقادیر کوچک بردار اغتشاش
- الگوریتم تنصیف برای کاهش نرم صفر اغتشاش
- تاثیر استفاده از الگوریتم تنصیف در کاهش نرم صفر حملهی SL0
- بررسی تاثیر اعمال الگوریتم تنصیف داخل الگوریتم حملهی SL0
- بهبود عملکرد حملهی SL0
- استفاده از فرم لاگرانژین برای انجام حملهی SL0
- روشهایی برای افزایش نرخ موفقیت و کاهش نرم صفر حملهی SL0
- مقایسه عملکرد حملهی پیشنهادی با سایر حملات
- مقایسه با حملهی SparseFool
- مقایسه با حملهی JSMA
- جمعبندی
- بررسی یک ایدهی جدید مقاومت در برابر حملات خصمانه با استفاده از نمایش تنک تصاویر
- مقدمه
- روش دفاع
- فرضیات اولیه
- انتخاب پارامتر برای روش دفاعی ارائهشده
- انتخاب
- انتخاب دیکشنری
- انتخاب سطح تنکی
- انتخاب تعداد تکرار دفاع OMP
- انتخاب پارامتر برای دفاع JPEG و TVM
- انتخاب پارامتر برای دفاع مبتنی بر فشردهسازی JPEG
- انتخاب پارامتر برای دفاع مبتنی بر کمینهسازی Total Variation
- مقایسهی اولیهی عملکرد دفاعهای مختلف به ازای پارامترهای انتخابی
- آزمایشهای نهایی
- جمعبندی
- نتیجهگیری و پیشنهادات
- اثباتی مربوط به حملهی PGD
- اثبات در حالت p=1
- اثبات در حالت p>1
- بخش اول
- بخش دوم
- بررسی تاثیر هایپرپارامترهای حملهی SL0 در عملکرد آن
- نمونههایی از تصاویر حاصل از حملهی IS-SL0(L)
- مراجع