ВЛИЯНИЕ СИНТЕТИЧЕСКИ СГЕНЕРИРОВАННЫХ ДАННЫХ НА УСТОЙЧИВОСТЬ КЛАССИФИКАЦИОННЫХ МОДЕЛЕЙ К СОСТЯЗАТЕЛЬНЫМ АТАКАМ
Главная статья
Аннотация
В данной работе рассматривается, как добавление синтетических данных, сгенерированных GAN-моделью, влияет на обучение и устойчивость классификационной модели. На примере CIFAR-10 было показано, что увеличение объёма обучающей выборки за счёт синтетических данных приводит к незначительному росту точности на “чистых” данных, но не решает проблему уязвимости перед состязательными атаками FGSM и PGD.
Подробнее
Как цитировать
РОМАШОВ, В.А.; ЕРЕМУК, В.В..
ВЛИЯНИЕ СИНТЕТИЧЕСКИ СГЕНЕРИРОВАННЫХ ДАННЫХ НА УСТОЙЧИВОСТЬ КЛАССИФИКАЦИОННЫХ МОДЕЛЕЙ К СОСТЯЗАТЕЛЬНЫМ АТАКАМ.
Международный журнал информационных технологий и энергоэффективности, [S.l.], v. 10, n. 3(53), p. 009-012, мар. 2025.
ISSN 2500-1752.
Доступно на: <http://openaccessscience.ru/index.php/ijcse/article/view/855>. Дата доступа: 04 апр. 2025
Выпуск
Раздел
Информационные технологии

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
Неисключительные права на статью передаются журналу в полном соответствии с Лицензией Creative Commons By-NC-SA 4.0 (Международная)