Adversariale Robustheit Neuronaler Netze

Gelernte Klassifikationsverfahren sind nicht sicher, wenn Angreifer gezielte Ver nderungen an der Eingabe vornehmen. Obwohl diese nderungen f r den Menschen kaum wahrnehmbar sind, ndert 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 hrleisten k nnen. Hier wird eine bersicht ber verschiedene Anwendungsf lle, Angriffe, die daraus entstehenden Problemstellungen, Ans tze zur Verteidigung sowie Gefahren bei der Evaluation dieser gegeben und die Notwendigkeit korrekter Verfahren aufgezeigt.