A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

MTGAN: Extending Test Case set for Deep Learning Image Classifier MTGAN: Estendendo o conjunto de casos de teste para o classificador de imagens de aprendizado profundo

Erhu LIU, Song HUANG, Cheng ZONG, Changyou ZHENG, Yongming YAO, Jing ZHU, Shiqi TANG, Yanqiu WANG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Durante os últimos anos, a aprendizagem profunda alcançou excelentes resultados em reconhecimento de imagem, processamento de voz e outras áreas de pesquisa, o que desencadeou um novo surto de pesquisa e aplicação. Defeitos internos e ataques maliciosos externos podem ameaçar a operação segura e confiável de um sistema de aprendizagem profunda e até causar consequências insuportáveis. A tecnologia de teste de sistemas de aprendizagem profunda ainda está em sua infância. A tecnologia tradicional de teste de software não é aplicável para testar sistemas de aprendizagem profunda. Além disso, as características do aprendizado profundo, como cenários de aplicação complexos, a alta dimensionalidade dos dados de entrada e a fraca interpretabilidade da lógica de operação, trazem novos desafios ao trabalho de teste. Este artigo enfoca o problema de geração de casos de teste e aponta que exemplos adversários podem ser usados ​​como casos de teste. Em seguida, o artigo propõe o MTGAN, que é um framework para gerar casos de teste para classificadores de imagens de aprendizagem profunda baseados em Rede Adversarial Generativa. Finalmente, este artigo avalia a eficácia do MTGAN.

Publicação
IEICE TRANSACTIONS on Information Vol.E104-D No.5 pp.709-722
Data de publicação
2021/05/01
Publicitada
2021/02/05
ISSN online
1745-1361
DOI
10.1587/transinf.2020EDP7162
Tipo de Manuscrito
PAPER
Categoria
Engenharia de Software

autores

Erhu LIU
  Army Engineering University of PLA,94973 Troop, Hangzhou
Song HUANG
  Army Engineering University of PLA
Cheng ZONG
  Army Engineering University of PLA
Changyou ZHENG
  Army Engineering University of PLA
Yongming YAO
  Army Engineering University of PLA
Jing ZHU
  Army Engineering University of PLA
Shiqi TANG
  Army Engineering University of PLA
Yanqiu WANG
  Baopo Technology Co. Ltd.

Palavra-chave