ADef：一种构造对抗形变的迭代算法
计算机视觉与模式识别
2019-01-14 v3 密码学与安全
机器学习
机器学习
摘要
尽管深度神经网络已被证明是许多识别与分类任务的强大工具，其稳定性性质仍未被充分理解。过去的研究表明，图像分类器易受所谓对抗攻击的影响，这类攻击通过对正确分类的图像施加加性扰动而生成。本文中，我们提出 ADef 算法来构造一种不同的对抗攻击：通过迭代地对图像施加微小形变（由梯度下降步求得）来生成。我们在 MNIST 上用卷积神经网络、在 ImageNet 上用 Inception-v3 与 ResNet-101 展示了我们的结果。
引用
@article{arxiv.1804.07729,
title = {ADef: an Iterative Algorithm to Construct Adversarial Deformations},
author = {Rima Alaifari and Giovanni S. Alberti and Tandri Gauksson},
journal= {arXiv preprint arXiv:1804.07729},
year = {2019}
}
备注
ICLR 2019 conference paper. 25 pages, 20 figures