7045

مقاوم كردن الگوريتم شبكه عصبي پيچشي در برابر فريب خوردن

كارشناسي

مهندسي كامپيوتر

1399

دكتر ناصر مزيني

1399/10/02

مهندسي كامپيوتر

Robust Convolutional Neural Network

در اين گزارش در ابتدا سعي شده است كه به الگوريتم شبكه عصبي پيچشي، كاربرد هاي آن در زندگي روزمره و اهميتي كه براي انسان ها دارد اشاره¬ي كوتاهي شود و در ادامه در مورد داده هاي Mnist توضيحاتي داده شده است. در ادامه در اين گزارش به طور كلي به حمله هاي شبكه¬ي تقابلي براي فريب دادن الگوريتم شبكه عصبي پيچشي و به صورت جزئي به فريب دادن الگوريتم شبكه عصبي پيچشي و به روش نشانه¬ي گراديان سريع پرداخته شده است. در ادامه راه هاي جلوگيري از فريب خوردن الگوريتم شبكه عصبي پيچشي و دفاع در برابر آن ها بررسي شده است و پياده سازي هايي كه با زبان برنامه نويسي پايتون براي فريب دادن اين الگوريتم و جلوگيري از اين حملات انجام شده است توضيح داده شده است. نتيجه¬¬ هاي به دست آمده نشان مي دهد كه ¬به ميزان خوبي جلوي اين حملات گرفته شده است. نتايج به دست آمده در اين گزارش از اعمال الگوريتم هاي حمله¬اي و دفاعي بر روي داده هاي Mnist به وجود آمده است كه اين روش ها شامل آموزش شبكه¬ي تقابلي و روش دفاع تقطيري مي باشند. در ادامه نتيجه¬اي كه از اين گزارش مي توان گرفت اين است كه به ميزان خوبي مي توان جلوي حمله از روش نشانه¬ي گراديان سريع را گرفت. در واقع نتيجه¬ي اين گزارش شامل نتيجه¬ي اعمال دو دفاع آموزش شبكه¬ي تقابلي و روش دفاع تقطيري براي جلوگيري از فريب خورد الگوريتم شبكه عصبي پيچشي مي باشد ولي روش هاي جديدي نيز براي حمله به الگوريتم هاي يادگيري عميق وجود دارند كه راه هاي ديگري بايد براي مقابله با اينگونه حملات در نظر گرفت.