Adversariální strojové učení a teorie her

Adversarial machine learning and game theory

Type of document
BAKALÁŘSKÁ PRÁCE
BACHELOR THESIS
Author
Dominik Šepák
Supervisor
Pevný Tomáš
Opponent
Oberhuber Tomáš
Field of study
Matematická informatika
Study program
Aplikace přírodních věd
Institutions assigning rank
katedra matematiky
Rights
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html.
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html.
Metadata
Show full item record
Abstract
Tato práce se zaměřuje na aplikaci teorie her, zejména pak Double Oracle algoritmu, v oblasti adversariálního strojového učení. V průběhu práce jsou vysvětleny některé základní pojmy z oblasti dopředných neuronových sítí a generování adversariálních vzorků a dále jsou rozebrány nejvýznamnější metody zrobustňování klasiťikátorů proti těmto vzorkům. V závěru práce je vypracována případová studie aplikace Double Oracle algoritmu pro zrobustňování detekce krádeže dat v sítovém provozu.
 
This work aims to apply game theory, most notably the Double Oracle algorithm, in the ťield of the adversarial machine learning. Some of the basic concepts of deep feedforward neural networks and construction of the adversarial samples are explained throughout the text. Furthermore, the most notable methods used for constructing classiťiers robust against adversarial samples are explained. Finally, a case study is carried out, which examines the application of the Double Oracle algorithm in the ťield of data exťiltration detection.
 
URI
http://hdl.handle.net/10467/85152
Collections