Adversariale Robustheit Neuronaler Netze - Verteidigungen gegen Vermeidungsangriffe zur Testzeit

Gelernte Klassifikationsverfahren sind nicht sicher, wenn Angreifer gezielte Ver-erungen an der Eingabe vornehmen. Obwohl diese -derungen f-r den Menschen kaum wahrnehmbar sind, -ert sich die Klassifikation. Um gelernte Modelle in sicherheitskritischen Bereichen anwenden zu k-nnen, ist es erforderlich, Methoden zu entwickeln, die Robustheit gegen adversariale Angriffe gew-leisten k-nnen. Hier wird eine -ersicht -ber verschiedene Anwendungsf-e, Angriffe, die daraus entstehenden Problemstellungen, Ans-e zur Verteidigung sowie Gefahren bei der Evaluation dieser gegeben und die Notwendigkeit korrekter Verfahren aufgezeigt.