FGSM
/ˌɛfˌdʒiːˌɛsˈɛm/
🇬🇧Bahasa Inggriskecerdasan buatanpembelajaran mesinkeamanan siberNetral
Ringkasan Makna
FGSM adalah singkatan dari Fast Gradient Sign Method, yaitu algoritma serangan adversaria yang digunakan untuk mengelabui model kecerdasan buatan.
Penjelasan & Konteks Penggunaan
Fast Gradient Sign Method (FGSM) adalah teknik yang diperkenalkan oleh Ian Goodfellow dan rekan-rekannya untuk menghasilkan contoh adversaria (adversarial examples). Teknik ini bekerja dengan cara memanfaatkan gradien dari fungsi kerugian (loss function) suatu model pembelajaran mendalam untuk menambahkan gangguan (perturbasi) kecil yang tidak kasat mata bagi manusia, tetapi mampu membuat model AI melakukan kesalahan prediksi secara fatal.
Contoh Penggunaan dalam Kalimat
“The researchers used FGSM to test the robustness of the image classifier against adversarial attacks.”
→Para peneliti menggunakan FGSM untuk menguji ketahanan pengklasifikasi gambar terhadap serangan adversaria.
“Applying FGSM perturbation can easily fool a poorly regularized deep neural network.”
→Menerapkan perturbasi FGSM dapat dengan mudah mengelabui jaringan saraf tiruan mendalam yang diregulasi dengan buruk.
Asal-usul & Konteks Budaya
Diperkenalkan dalam paper akademis machine learning pada tahun 2014 oleh Ian J. Goodfellow, Jonathon Shlens, dan Christian Szegedy berjudul 'Explaining and Harnessing Adversarial Examples'.