加性对抗攻击与防御的博弈论分析
机器学习
2020-11-13 v2 机器学习
摘要
对抗学习研究遵循攻击者与防御者之间的猫鼠游戏:提出攻击,新防御缓解之,随后提出打破早前防御的新攻击,如此往复。然而,是否存在无法提出更优攻击或防御的条件仍不明确。本文提出一种博弈论框架以研究处于均衡的攻击与防御。在底层二分类器的局部线性决策边界模型下,我们证明快速梯度法攻击与随机平滑防御构成纳什均衡。进而展示在给定数据生成分布有限样本时如何近似此均衡防御,并推导出我们近似性能的泛化界。
引用
@article{arxiv.2009.06530,
title = {A Game Theoretic Analysis of Additive Adversarial Attacks and Defenses},
author = {Ambar Pal and René Vidal},
journal= {arXiv preprint arXiv:2009.06530},
year = {2020}
}
备注
Accepted at Neural Information Processing Systems (NeurIPS) 2020