深度残差网络的一种可证明防御
机器学习
2020-01-08 v2 人工智能
密码学与安全
编程语言
机器学习
摘要
我们提出一种训练系统，其可证明地防御比以往可能规模显著更大的神经网络，包括 ResNet-34 与 DenseNet-100。我们的方法基于可微抽象解释，并引入两个新概念：(i) 用于微调抽象精度与可扩展性的抽象层，(ii) 一种灵活的领域特定语言（DSL），用于描述结合抽象与具体损失及任意规范的训练目标。我们的训练方法在 DiffAI 系统中实现。
引用
@article{arxiv.1903.12519,
title = {A Provable Defense for Deep Residual Networks},
author = {Matthew Mirman and Gagandeep Singh and Martin Vechev},
journal= {arXiv preprint arXiv:1903.12519},
year = {2020}
}