english Icono del idioma   español Icono del idioma  

Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12008/47173 How to cite
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorNesmachnow, Sergio-
dc.contributor.authorGonzález, Mateo-
dc.contributor.authorGuridi, Santiago-
dc.contributor.authorParodi, Santiago-
dc.contributor.authorSilva, Gonzalo-
dc.date.accessioned2024-11-21T15:46:54Z-
dc.date.available2024-11-21T15:46:54Z-
dc.date.issued2024-
dc.identifier.citationGonzález , M., Guridi, S., Parodi, S. y otros. Ataques adversarios con algoritmos evolutivos y redes generativas antagónicas [en línea] Tesis de grado. Montevideo: Udelar. FI. INCO, 2024.es
dc.identifier.urihttps://hdl.handle.net/20.500.12008/47173-
dc.description.abstractLa clasificación de imágenes enfrenta actualmente desafíos significativos de seguridad debido a los ataques adversarios, que consisten en alteraciones intencionales diseñadas para engañar a los modelos de aprendizaje automático. Abordar los desafíos asociados a los ataques adversarios es fundamental para garantizar la fiabilidad y seguridad de los clasificadores de imágenes, especialmente en aplicaciones críticas como el reconocimiento facial, que es crucial en la autenticación de identidades y la vigilancia. Para que los clasificadores de imágenes permanezcan actualizados y puedan resistir efectivamente las técnicas de ataque emergentes, es esencial seguir desarrollando nuevos ataques adversarios. Este proyecto de grado presenta un enfoque innovador para generar ataques adversarios contra clasificadores de imágenes utilizando una combinación de algoritmos evolutivos y redes generativas antagónicas. El método realiza una exploración en el espacio latente de una red generativa antagónica con un algoritmo genético para encontrar vectores que representen ataques adversarios. El enfoque se evaluó en tres casos de estudio correspondientes a la clasificación de dígitos manuscritos, imágenes de objetos e imágenes de rostros. Los resultados mostraron tasas de éxito de hasta 35% para dígitos manuscritos, hasta 75% para imágenes de objetos y hasta 81,91% para imágenes de rostros de raza blanca. El método demostró ser eficaz en manejar la diversidad de datos, incluso en la generación de ataques adversarios con imágenes de rostros, problema que presentó desafíos adicionales debido a la complejidad y riqueza de información en las imágenes faciales.es
dc.format.extent105 p.es
dc.format.mimetypeapplication/pdfes
dc.language.isoeses
dc.publisherUdelar. FIes
dc.rightsLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)es
dc.titleAtaques adversarios con algoritmos evolutivos y redes generativas antagónicas.es
dc.typeTesis de gradoes
dc.contributor.filiacionGonzález Mateo, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionGuridi Santiago, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionParodi Santiago, Universidad de la República (Uruguay). Facultad de Ingeniería.-
dc.contributor.filiacionSilva Gonzalo, Universidad de la República (Uruguay). Facultad de Ingeniería.-
thesis.degree.grantorUniversidad de la República (Uruguay). Facultad de Ingeniería.es
thesis.degree.nameIngeniero en Computación.es
dc.rights.licenceLicencia Creative Commons Atribución (CC - By 4.0)es
Appears in Collections:Tesis de grado - Instituto de Computación

Files in This Item:
File Description SizeFormat  
GGPS24.pdfTesis de grado 150,68 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons