安全とセキュリティに重要な人工知能の増加する依存性により、ニューラルネットワーク認証の有効性が重要になっています。特に、交通標識のような画像の一部を覆う敵対的なパッチや照明条件などの「パッチ攻撃」は、困難な実際のユースケースです。 PREMAPは、指定された出力につながる一連の入力であるpreimageのunder-およびover-approximationを使用して、パッチ攻撃に対する認証のための重要なステップを達成しました。 ＰＲＥＭＡＰアプローチは汎用性があるが、現在は中間次元の完全接続ニューラルネットワークに限定されている。より広い実際のユースケースに対処するために、タイターボーン、アダプティブモンテカルロサンプリング、および拡張ブランチヒューリスティックを含むPREMAPの新しいアルゴリズム拡張を提示します。これらの効率の向上はもともとPREMAPよりもはるかに優れており、以前に扱うことが困難であった合成積ニューラルネットワークへの拡張を可能にします。また、コンピュータビジョンや制御など、さまざまなユースケースで信頼性と robustness を分析および認証するためのプリイメージ アプロキシ化方法論の可能性を示しています。
