Universal adversarial perturbations using alternating loss functions

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Enformatik Enstitüsü, Modelleme ve Simülasyon Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: DENİZ ŞEN

Danışman: Alptekin Temizel

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Derin öğrenme modelleri imge sınıflandırma için ana seçim olmuşlardır, ancak son zamanlarda en başarılı modellerin bile çekişmeli saldırılara karşı savunmasız olduğu gösterilmiştir. İmgeye özel saldırıların aksine, evrensel çekişmeli bozulmalar herhangi bir imgeye eklendiği zaman bir çekişmeli örnek üretebilir. Bu bozulmalar genelde bütün bir veri setini yanıltacak şekilde üretilir ve çoğu başarılı saldırı 100% yanıltma oranına kontrolsüzce ulaşabilir, fakat istenilen bir yanıltma oranında stabilize edilemez. Bu tez dönüşümlü kayıp fonksiyonu yöntemini kullanan 3 algoritma (Yığına Bağlı Dönüşümlü Kayıp, Dönem-Yığına Bağlı Dönüşümlü Kayıp, İlerleyen Dönüşümlü Kayıp) önermektedir; dönüşümlü kayıp fonksiyonları her yinelemede belirli bir koşula göre çekişmeli ya da norm kayıp fonksiyonlarından biri olarak seçilmektedir. İlerleyen Dönüşümlü Kayıp yönteminin yanıltma oranları ve Lp normlarına göre en başarılı saldırı olduğu görülmüştür. Ayrıca, önerilen her saldırıya uzamsal filtreleme uygulanmış, böylece doğal şekilde imgenin orta kısmında oluşan yapay görünümlü bozulmalar azaltılmıştır. Bu uygulamanın L2 saldırılarında başarılı olduğu görülmüştür.