Моделі і методи захисту класифікаторів зображень від атак на основі штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorІльїн, Микола Іванович
dc.contributor.authorЧирков, Андрій Олегович
dc.date.accessioned2025-10-02T11:58:55Z
dc.date.available2025-10-02T11:58:55Z
dc.date.issued2024
dc.description.abstractОбсяг дипломної роботи 50 сторінки, 14 ілюстрацій, 4 таблиці, 1 додаток і 10 джерел та посилань. Під час роботи було розглянуто можливі методи атак на моделі класифікаторів зображень такі як: FGSM, BIM, DR, DA. Та було впровадження вдосконалення цих алгоритмів з використанням динамічного змінювання коефіцієнта збурення. Що покращило роботу розглянутих методів на такі аспекти: Можна використовувати дуже малі значення коефіцієнта збурення, що зменшує кількість дефектів на зображені. Пришвидшує роботу алгоритмів за допомогою зменшення кількості кроків атак в середньому на 12 моделях: FGSM на 2.9, BIM на 0.9, DR на 9.4 та DA на 10.4, зберігаючи високу ймовірність передбаченого класу на 8%, на 4%, на 2% та на 3% відповідно. При використанні стандартних коефіцієнтах збурення.
dc.description.abstractotherThe volume of the thesis is 50 pages, with 14 illustrations, 4 tables, 1 appendix, and 10 sources and references. During the work, possible methods of attacks on image classifier models such as FGSM, BIM, DR, and DA were considered. Improvements to these algorithms were implemented using dynamic perturbation coefficient adjustment. This improved the performance of the considered methods in the following aspects: Very small perturbation coefficient values can be used, which reduces the number of defects in the image. The algorithms' performance is accelerated by reducing the number of attack steps on average across 12 models: FGSM by 2.9, BIM by 0.9, DR by 9.4, and DA by 10.4, while maintaining a high predicted class probability of 8%, 4%, 2%, and 3%, respectively, when using standard perturbation coefficients.
dc.format.extent65 с.
dc.identifier.citationЧирков, А. О. Моделі і методи захисту класифікаторів зображень від атак на основі штучного інтелекту : дипломна робота ... бакалавра : 125 Кібербезпека / Чирков Андрій Олегович. – Київ, 2024. – 65 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76528
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectAdversarial attack
dc.subjectFGSM
dc.subjectBIM
dc.subjectDR
dc.subjectDA
dc.subjectкоефіцієнта збурення
dc.subjectperturbationcoefficient
dc.titleМоделі і методи захисту класифікаторів зображень від атак на основі штучного інтелекту
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Chyrkov_Bakalavr.pdf
Розмір:
639.87 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ІБ)
Бакалаврські роботи