• <u id="qkpp5"></u>

    1. <p id="qkpp5"><nav id="qkpp5"><option id="qkpp5"></option></nav></p>
      <p id="qkpp5"><var id="qkpp5"></var></p>
    2. 玖玖av,国产成人精品777777,日韩无,成人亚洲精品一区二区三区嫩花,人妻2,好吊AV,内射网站,国产九九在线视频
      正在閱讀:以大腦為模型 研究人員開發出更強大的人工智能

      以大腦為模型 研究人員開發出更強大的人工智能

      2023-09-19 11:05:13來源:蓋世汽車 關鍵詞:人工智能系統神經網絡閱讀量:24758

      導讀:研究人員針對此類攻擊設計過一些防御技術,但存在一定的局限性。據外媒報道,東京大學醫學系研究科的應屆畢業生Jumpei Ukita和Kenichi Ohki教授設計并測試了一種改善ANN防御機制的新方法。
        大多數人工智能系統都基于神經網絡,其算法受到大腦中生物神經元的啟發。然而,某些人類可以理解的視覺輸入等信息,可能被人工神經網絡(ANN)解釋為完全不同的東西,比如圖像分類系統將貓誤認為是狗,甚至是無人駕駛汽車可能將停車信號誤認為是優先通行標志。
       
        由于不一定總是視覺性輸入,看一眼就分析出系統出錯的原因并不那么容易。攻擊者可能利用這一點來破壞基于人工神經網絡的系統,例如巧妙地改變預期輸入模式,使其被誤解。這樣系統將出現錯誤行為,甚至可能出現問題。
       
        研究人員針對此類攻擊設計過一些防御技術,但存在一定的局限性。據外媒報道,東京大學醫學系研究科(University of Tokyo Graduate School of Medicine)的應屆畢業生Jumpei Ukita和Kenichi Ohki教授設計并測試了一種改善ANN防御機制的新方法。
       
        Ohki表示:“神經網絡通常由虛擬神經元層組成。第一層通常負責通過識別與特定輸入相對應的元素來分析輸入信息。攻擊者可能提供一些帶有偽影(artifact)的圖像,欺騙網絡對其進行錯誤分類。針對這種攻擊的常見防御措施,可能是故意在第一層中引入一些噪聲,從而更好地適應視覺場景或其他輸入集,但是這種方法并不總是有效。研究人員認為,可以通過超越輸入層,深入到網絡內部來改善這個問題。”
       
        除了計算機,Ukita和Ohki還研究了人類的大腦,因此在人工神經網絡中使用他們所知道的現象,不僅要在輸入層中添加噪聲,還要在更深的層中添加噪聲。這種做法通常是避免采用的,因為在正常情況下可能影響網絡的有效性。然而,結果正好相反,噪聲提高了他們測試的人工神經網絡的適應性,從而降低了其對模擬對抗性攻擊的敏感性。
       
        Ukita表示:“第一步是設計一種假設的攻擊方法,使其攻擊深度超過輸入層。這種攻擊需要承受輸入層上具有標準噪聲防御的網絡的回彈(resilience)。這些被稱為特征空間對抗示例。這些攻擊的工作原理是,故意提供超出(而不是接近)ANN可以正確分類的輸入。其訣竅是向更深層呈現微妙的誤導性偽影。一旦這樣的攻擊表現出危險性,研究人員就會將隨機噪聲注入網絡中更深的隱藏層,以提高它們的適應性,從而提高防御能力。結果證明這是有效的。”
       
        該團隊希望進一步開發這項技術,使其能夠更有效地抵御預期攻擊,以及尚未測試過的其他攻擊類型。目前的防御僅針對特定類型攻擊。Ukita表示:“未來的攻擊者可能會考慮避開這項研究中提到的特征空間噪聲。事實上,進攻和防御是同一枚硬幣的兩面,是一場雙方都不會退縮的競賽。因此,研究人員需要不斷迭代、改進和推出創新想法,以保護大家日常都在使用的系統。”
      我要評論
      文明上網,理性發言。(您還可以輸入200個字符)

      所有評論僅代表網友意見,與本站立場無關。

      版權與免責聲明:

      凡本站注明“來源:智能制造網”的所有作品,均為浙江興旺寶明通網絡有限公司-智能制造網合法擁有版權或有權使用的作品,未經本站授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的,應在授權范圍內使用,并注明“來源:智能制造網”。違反上述聲明者,本站將追究其相關法律責任。

      本站轉載并注明自其它來源(非智能制造網)的作品,目的在于傳遞更多信息,并不代表本站贊同其觀點或和對其真實性負責,不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、平臺或個人從本站轉載時,必須保留本站注明的作品第一來源,并自負版權等法律責任。如擅自篡改為“稿件來源:智能制造網”,本站將依法追究責任。

      鑒于本站稿件來源廣泛、數量較多,如涉及作品內容、版權等問題,請與本站聯系并提供相關證明材料:聯系電話:0571-89719789;郵箱:1271141964@qq.com。

      不想錯過行業資訊?

      訂閱 智能制造網APP

      一鍵篩選來訂閱

      信息更豐富

      推薦產品/PRODUCT 更多
      智造商城:

      PLC工控機嵌入式系統工業以太網工業軟件金屬加工機械包裝機械工程機械倉儲物流環保設備化工設備分析儀器工業機器人3D打印設備生物識別傳感器電機電線電纜輸配電設備電子元器件更多

      我要投稿
      • 投稿請發送郵件至:(郵件標題請備注“投稿”)1271141964.qq.com
      • 聯系電話0571-89719789
      工業4.0時代智能制造領域“互聯網+”服務平臺
      智能制造網APP

      功能豐富 實時交流

      智能制造網小程序

      訂閱獲取更多服務

      微信公眾號

      關注我們

      抖音

      智能制造網

      抖音號:gkzhan

      打開抖音 搜索頁掃一掃

      視頻號

      智能制造網

      公眾號:智能制造網

      打開微信掃碼關注視頻號

      快手

      智能制造網

      快手ID:gkzhan2006

      打開快手 掃一掃關注
      意見反饋
      我要投稿
      我知道了