对抗攻击、回归与数值稳定性正则化
机器学习
2018-12-10 v1 密码学与安全
机器学习
摘要
回归设定下针对神经网络的对抗攻击是一个关键但研究不足的问题。在本工作中，我们通过研究针对回归网络的对抗攻击并制定更有效的防御来推进该领域前沿。特别地，我们采取这样一种观点：对抗攻击很可能由学习函数中的数值不稳定性引起。我们引入一种在回归设定下针对对抗攻击的、诱导稳定性的基于正则化的防御。我们这种新颖且易于实现的防御被证明优于先前方法，并改善了学习函数的数值稳定性。
引用
@article{arxiv.1812.02885,
title = {Adversarial Attacks, Regression, and Numerical Stability Regularization},
author = {Andre T. Nguyen and Edward Raff},
journal= {arXiv preprint arXiv:1812.02885},
year = {2018}
}
备注
Presented at the AAAI 2019 Workshop on Engineering Dependable and Secure Machine Learning Systems