УДК 004.932.1
ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ СОСТЯЗАТЕЛЬНЫХ АТАК НА МОДЕЛЬ СЕГМЕНТАЦИИ РАКА ПЕЧЕНИ
Нирян Павел Леонидович, студент, направление подготовки 01.03.02 Прикладная математика и информатика, Оренбургский государственный университет, Оренбург
e-mail: niran908@gmail.com
Гришина Любовь Сергеевна, аспирант, направление подготовки 02.06.01 Компьютерные и информационные науки, Оренбургский государственный университет, Оренбург
e-mail: zabrodina97@inbox.ru
Научный руководитель: Болодурина Ирина Павловна, доктор технических наук, профессор, заведующий кафедрой прикладной математики, Оренбургский государственный университет, Оренбург
e-mail: prmat@mail.osu.ru
Аннотация. В последнее время машинное обучение начало использоваться в разных сферах, в том числе и в медицине. Эти системы в большинстве случаев работают в качестве рекомендательных. Но, как и любая другая система, они подвергаются взлому и атаке. В данной статье рассмотрена задача мультиклассовой сегментации изображений рака печени; построенная интеллектуальная система имеет точность больше 98%. Также были проведены различные состязательные атаки, которые показали, что данная система подвержена взлому. Метод Fast Gradient Sign Method (FGSM) дал хороший результат, с помощью небольшого возмущения удалось обойти систему более чем на 80%.
Ключевые слова: машинное обучение, состязательные атаки, мультиклассовая сегментация, ResNet50, FGSM, Input Perturbation.
Для цитирования: Нирян П. Л., Гришина Л. С. Исследование эффективности состязательности атак на модель сегментации рака печени // Шаг в науку. – 2023. – № 4. – С. 79–83.
