用于发现对抗样本的自适应邻域
机器学习
2021-01-25 v1
摘要
深度神经网络（DNNs）在模式识别任务中常提供最先进的结果。然而，尽管取得了进展，对抗样本的存在已引起学界关注。许多现有工作提出了在训练点周围固定大小区域内搜索对抗样本的方法。我们的工作通过基于问题复杂度和数据采样密度来调整这些区域的大小，对这些现有方法进行了补充和改进。这使得此类方法更适用于其他类型的数据，并可通过增大区域大小而不产生错误标签来进一步改进对抗训练方法。
引用
@article{arxiv.2101.09108,
title = {Adaptive Neighbourhoods for the Discovery of Adversarial Examples},
author = {Jay Morgan and Adeline Paiement and Arno Pauly and Monika Seisenberger},
journal= {arXiv preprint arXiv:2101.09108},
year = {2021}
}