Property-Driven Quality Assurance of Adversarial Robustness of Deep Neural Networks
研究課題情報
- 体系的番号
- JP23K11049 (JGN)
- 助成事業
- 科学研究費助成事業
- 資金配分機関情報
- 日本学術振興会(JSPS)
科研費情報
- 研究課題/領域番号
- 23K11049
- 研究種目
- 基盤研究(C)
- 配分区分
-
- 基金
- 審査区分/研究分野
-
- 小区分60050:ソフトウェア関連
- 研究機関
-
- 東京大学
- 研究期間 (年度)
- 2023-04-01 〜 2026-03-31
- 研究課題ステータス
- 交付
- 配分額*注記
- 4,680,000 円 (直接経費: 3,600,000 円 間接経費: 1,080,000 円)
研究概要
Deep neural networks (DNNs) have achieved tremendous success in various areas. However, they are vulnerable to adversarial examples, which has posed severe security risks for DNNs. We propose to develop practical and scalable techniques for quality assurance of adversarial robustness of DNNs.
詳細情報 詳細情報について
-
- CRID
- 1040295802075278208
-
- 本文言語コード
- ja
-
- データソース種別
-
- KAKEN
