ADBM: 用于可靠对抗净化的对抗扩散桥接模型
机器学习
2025-03-20 v4 人工智能
计算机视觉与模式识别
摘要
最近，基于扩散的净化（DiffPure）被公认为对抗样本的有效防御方法。然而，我们发现直接采用原始预训练扩散模型进行对抗净化的 DiffPure 并非最优。这是由于噪声净化性能与数据恢复质量之间存在固有的权衡。此外，现有 DiffPure 评估的可靠性存疑，因为它们依赖于弱自适应攻击。在本工作中，我们提出了一种新型的对抗扩散桥接模型（ADBM）。ADBM 直接从扩散后的对抗数据向原始干净样本构建逆向桥接，增强了原始扩散模型的净化能力。通过理论分析和多种场景下的实验验证，ADBM 已被证明是一种优越且鲁棒的防御机制，为实际应用展现了巨大前景。
引用
@article{arxiv.2408.00315,
title = {ADBM: Adversarial diffusion bridge model for reliable adversarial purification},
author = {Xiao Li and Wenxuan Sun and Huanran Chen and Qiongxiu Li and Yining Liu and Yingzhe He and Jie Shi and Xiaolin Hu},
journal= {arXiv preprint arXiv:2408.00315},
year = {2025}
}
备注
ICLR 2025, fix typos in the proof