针对 ICD-9 编码分配深度学习系统的对抗攻击
机器学习
2020-09-30 v1 计算与语言
密码学与安全
摘要
ICD-9 编码的人工标注是一个耗时且易出错的过程。基于深度学习的自动化 ICD-9 编码系统已取得了具有竞争力的性能。随着电子病历的日益普及，此类自动化系统有望最终取代人工编码员。在这项工作中，我们研究了一种简单的基于拼写错误的对抗攻击策略如何影响用于从出院小结中预测前 50 个最频繁 ICD-9 编码任务的最先进模型的性能。初步结果表明，恶意对手可利用梯度信息，针对出院小结中不到 3% 的词语精心构造看似普通人拼写错误的特定扰动，从而显著影响基线模型的性能。
引用
@article{arxiv.2009.13720,
title = {Adversarial Attacks Against Deep Learning Systems for ICD-9 Code Assignment},
author = {Sharan Raja and Rudraksh Tuwani},
journal= {arXiv preprint arXiv:2009.13720},
year = {2020}
}