绝对零样本学习
计算机视觉与模式识别
2022-02-24 v1 密码学与安全
机器学习
摘要
考虑到对数据版权与隐私问题的日益关注，我们提出一种新颖的绝对零样本学习（Absolute Zero-Shot Learning, AZSL）范式，即利用零真实数据训练分类器。其核心创新在于引入教师模型作为数据守护者，在不泄露数据的前提下指导 AZSL 模型训练。AZSL 模型由生成器与学生网络组成，能够在保持教师网络性能的同时实现无数据知识迁移。我们针对 AZSL 任务中的“黑盒”与“白盒”场景作为不同等级的模型安全性展开研究，并讨论了归纳式与直推式设定下的教师模型。尽管实现极为简单且存在数据缺失的劣势，我们的 AZSL 框架在“白盒”场景下仍能保持最先进的 ZSL 与 GZSL 性能。大量定性与定量分析也表明该模型在“黑盒”场景下部署时具有可观的结果。
引用
@article{arxiv.2202.11319,
title = {Absolute Zero-Shot Learning},
author = {Rui Gao and Fan Wan and Daniel Organisciak and Jiyao Pu and Junyan Wang and Haoran Duan and Peng Zhang and Xingsong Hou and Yang Long},
journal= {arXiv preprint arXiv:2202.11319},
year = {2022}
}