Defense-GAN for text: protecting text classifiers against Adversarial Attacks
Visualitza/Obre
TFG.pdf (935,1Kb) (Accés restringit)
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/165599
Tipus de documentTreball Final de Grau
Data2019-06-18
Condicions d'accésAccés restringit per decisió de l'autor
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
In computer vision, Defense-GAN is a framework that leverages the capability of generative models to defend neural networks (NNs) against adversarial attacks. This paper investigates how Defense-GAN will behave when it is used to defend RNNs against adversarial texts. It is assumed that little perturbations in textual comments could lead into misclassification, due to its short length. Even though adversarial texts may not be tricky for people, they could be for classifiers.
MatèriesNatural language processing (Computer science), Neural networks (Computer science), Computer vision, Tractament del llenguatge natural (Informàtica), Xarxes neuronals (Informàtica), Visió per ordinador
TitulacióGRAU EN ENGINYERIA DE TECNOLOGIES I SERVEIS DE TELECOMUNICACIÓ (Pla 2015)
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
TFG.pdf | 935,1Kb | Accés restringit |