prikaz prve stranice dokumenta Generativne suparničke mreže za izradu neprijateljskih uzoraka
Rad nije dostupan
diplomski rad
Generativne suparničke mreže za izradu neprijateljskih uzoraka
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. urn:nbn:hr:168:307052
Dujmović, Bruna
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Dujmović, B. (2022). Generativne suparničke mreže za izradu neprijateljskih uzoraka (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:307052

Dujmović, Bruna. "Generativne suparničke mreže za izradu neprijateljskih uzoraka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:307052

Dujmović, Bruna. "Generativne suparničke mreže za izradu neprijateljskih uzoraka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2022. https://urn.nsk.hr/urn:nbn:hr:168:307052

Dujmović, B. (2022). 'Generativne suparničke mreže za izradu neprijateljskih uzoraka', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 22.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:307052

Dujmović B. Generativne suparničke mreže za izradu neprijateljskih uzoraka [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2022 [pristupljeno 22.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:307052

B. Dujmović, "Generativne suparničke mreže za izradu neprijateljskih uzoraka", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:307052

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:307052
Podaci o radu
NaslovGenerativne suparničke mreže za izradu neprijateljskih uzoraka
Naslov (engleski)Generative adversarial networks for generating adversarial examples
AutorBruna Dujmović
MentorDomagoj Jakobović (mentor)
Član povjerenstvaDomagoj Jakobović (predsjednik povjerenstva)
Član povjerenstvaMarko Đurasević (član povjerenstva)
Član povjerenstvaSiniša Šegvić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2022-06-28, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Suvremeni klasifikacijski modeli, unatoč zavidnim rezultatima na nizu skupova podataka, i dalje znaju biti podložni napadima neprijateljskim uzorcima. Jedan od načina oblikovanja tih ciljano izmijenjenih uzoraka oslanja se na generativne suparničke mreže. Dodavanjem klasifikatora koji se želi napasti u osnovnu GAN arhitekturu, tzv. AdvGAN sposoban je proizvesti uspješne slikovne i zvučne neprijateljske uzorke uvjetovane odgovarajućim originalnim uzorcima. Uz izvornu AdvGAN inačicu, prozvanu image-to-perturbation odnosno audio-to-perturbation AdvGAN-om, razvijena je i noise-to-perturbation inačica koja proizvodi neprijateljske uzorke iz vektora nasumično generiranog šuma. Pokazalo se kako razvijeni AdvGAN-ovi djeluju prilikom izrade uzoraka za MNIST te Speech Commands skupove podataka.
Sažetak (engleski)
Modern classification models, despite the enviable results they achieve on a number of datasets, can still be vulnerable to attacks using adversarial examples. One way of generating these intentionally modified examples relies on generative adversarial networks. By incorporating the targeted classifier into the basic GAN architecture, the so-called AdvGAN is capable of producing successful image and audio adversarial examples conditioned on their unmodified counterparts. In addition to the original AdvGAN version, dubbed "image-to-perturbation" or "audio-to-perturbation" AdvGAN, a "noise-to-perturbation" version has been developed that produces adversarial examples out of random noise vectors. This thesis shows how the developed AdvGANs perform when creating examples for the MNIST and Speech Commands datasets.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:307052
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-13 14:51:29