Algoritmi za brzo učenje na neprijateljskim primjerima

završni rad

• Naslov (engleski): Algorithms for fast adversarial learning
• Autor: Dominik Jambrović
• Mentor: Siniša Šegvić (mentor)
• Član povjerenstva: Siniša Šegvić (predsjednik povjerenstva)
• Član povjerenstva: Ivan Grubišić (član povjerenstva)
• Član povjerenstva: David Dukić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-06, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Učenje s neprijateljskim primjerima važno je za postizanje sigurnih modela. Proučavamo osnovne načine učenja s neprijateljskim primjerima (FGSM, PGD). Uočavamo i istražujemo probleme prisutne pri korištenju PGD načina učenja na kompleksnijim modelima. Razmatramo predložene nadogradnje na osnovne načine učenja s neprijateljskim primjerima (FreeAdv, FastAdv, FastAdv+, FastAdvW) i evaluiramo performanse naučenih modela. Evaluacija pokazuje da najbolje performanse postižu modeli učeni FastAdv+ i FastAdvW načinima učenja.
Razmatramo mogućnost korištenja robusnih modela za detekciju zatrovanih podataka.

Sažetak (engleski)

Adversarial learning is important for achieving secure models. We study the basic adversarial learning methods (FGSM, PGD). We observe and investigate the problems present when using the PGD learning method on more complex models. We consider proposed upgrades to the basic adversarial learning method (FreeAdv, FastAdv, FastAdv+, FastAdvW) and evaluate the performance of the trained models. The evaluation shows that the best performance is achieved by models trained using the FastAdv+ and FastAdvW learning methods.
We consider the possibility of using robust models for the detection of poisoned data.

• Ključne riječi: robusni modeli; učenje s neprijateljskim primjerima; FGSM; PGD; besplatno učenje s neprijateljskim primjerima; brzo učenje s neprijateljskim primjerima; zatrovani podatci
• Ključne riječi (engleski): robust models; adversarial learning; FGSM; PGD; free adversarial learning; fast adversarial learning; poisoned data
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:753638
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-07-13 10:08:24