Ａｄｖｅｒｓａｒｉａｌ ｅｘａｍｐｌｅｓ（ＡＥｓ）は，深層ニューラルネットワーク（ＤＮＮ）への入力に対して人間が知覚できない程度の微小な摂動を加算することで意図的に推論システムの誤認識を誘発させる攻撃である．
本研究では，学習済みＤＮＮモデルパラメータの量子化を用いてＡＥｓの誤認識を減らすことを検討する．一般的な学習済みＤＮＮモデルは３２ｂⅰｔ精度でパラメータを保持するが，８ｂｉｔ精度まで量子化することでエッジデバイスなど演算性能の限られたデバイスでも推論を実行できることが知られている．パラメータ量子化がＡＥｓの認識に与える影響を評価し，攻撃対策としての応用を検討する．