Scifaro

中文

信息瓶颈模型对抗鲁棒性的再审视

机器学习 2021-07-14 v1

作者: Iryna Korshunova , David Stutz , Alexander A. Alemi , Olivia Wiles , Sven Gowal

在 arXiv 上查看 ↗ PDF ↗

摘要

我们研究了用于分类的信息瓶颈模型的对抗鲁棒性。先前的工作表明，用信息瓶颈训练的模型的鲁棒性可以优于对抗训练。我们在多种白盒 $l_{\infty}$ 攻击下的评估表明，信息瓶颈本身并非一种强防御策略，且先前的结果很可能受到梯度混淆的影响。

关键词

对抗鲁棒性信息瓶颈分类白盒攻击梯度混淆对抗训练

引用

@article{arxiv.2107.05712,
  title  = {A Closer Look at the Adversarial Robustness of Information Bottleneck Models},
  author = {Iryna Korshunova and David Stutz and Alexander A. Alemi and Olivia Wiles and Sven Gowal},
  journal= {arXiv preprint arXiv:2107.05712},
  year   = {2021}
}