一种用于神经网络全局鲁棒性认证与训练的工具
机器学习
2022-08-16 v1
摘要
随着在安全关键系统中利用机器学习技术的兴趣增加，神经网络在外部扰动下的鲁棒性受到越来越多的关注。全局鲁棒性是在整个输入域上定义的鲁棒性性质。经认证的全局鲁棒网络可确保其在任何可能网络输入上的鲁棒性。然而，最先进的全局鲁棒性认证算法只能认证至多数千个神经元的网络。在本文中，我们提出了GPU支持的全局鲁棒性认证框架GROCET，其比先前基于优化的认证方法更高效。此外，GROCET提供可微的全局鲁棒性，用于全局鲁棒神经网络的训练。
引用
@article{arxiv.2208.07289,
title = {A Tool for Neural Network Global Robustness Certification and Training},
author = {Zhilu Wang and Yixuan Wang and Feisi Fu and Ruochen Jiao and Chao Huang and Wenchao Li and Qi Zhu},
journal= {arXiv preprint arXiv:2208.07289},
year = {2022}
}