Detecció d'anomalies en xarxes neuronals a través d'activacions y representacions en graf

Read full text Summarise with VIRAT
Authors: David Benedicto Sedas
Cited by: 0

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Aquest treball proposa un mètode per detectar exemples adversarials en xarxes neuronals convolucionals mitjançant l'anàlisi de les activacions internes representades com a grafs. Per a cada mostra, construïm un graf latent a partir de descriptors d'activació i connectivitat basada en similitud, i n'extraiem característiques que combinen magnitud d'activació i propietats topològiques (grau ponderat i PageRank) sobre un conjunt reduït de nodes crítics. Aquestes característiques alimenten detectors one-class entrenats exclusivament amb dades clean. Avaluem l'enfocament en MNIST sota atacs FGSM i PGD, i l'estenem a GTSRB (43 classes, imatges RGB) amb ResNet-34 per validar l'escalabilitat en un domini més complex. Els resultats indiquen que la representació en graf captura canvis interns induïts pels atacs i permet discriminar de manera efectiva entre mostres clean i adversarials, tot destacant la importància del punt d'operació i de l'estratègia de selecció de nodes crítics per a la generalització entre atacs.

Fields of Study & Subjects

Adversarial Robustness in Machine Learning Digital Media Forensic Detection Network Security and Intrusion Detection

Publication details

Journal / source
UPCommons institutional repository (Universitat Politècnica de Catalunya)
Publication date
21 January 2026
Language
CA
Document type
Thesis