基于分层卷积稀疏编码的对抗防御
计算机视觉与模式识别
2019-06-24 v2 机器学习
摘要
我们提出了一种对抗防御方法，该方法在攻击无关的对抗防御方法中取得了最先进的性能，同时保持了对输入分辨率、对抗扰动尺度以及数据集规模尺度的鲁棒性。基于卷积稀疏编码，我们构建了一个分层低维准自然图像空间，该空间忠实逼近自然图像空间，同时去除对抗扰动。我们在输入图像与神经网络第一层之间引入了一种新颖的稀疏变换层（Sparse Transformation Layer, STL），以将图像高效地投影到我们的准自然图像空间中。我们的实验表明，在各种对抗设置下，与其他攻击无关的对抗防御方法相比，我们的方法具有最先进的性能。
引用
@article{arxiv.1812.00037,
title = {Adversarial Defense by Stratified Convolutional Sparse Coding},
author = {Bo Sun and Nian-hsuan Tsai and Fangchen Liu and Ronald Yu and Hao Su},
journal= {arXiv preprint arXiv:1812.00037},
year = {2019}
}
备注
Published at CVPR 2019