基于变分自编码器的图像分类对抗防御
计算机视觉与模式识别
2018-12-10 v1
摘要
深度神经网络已知易受对抗攻击。这使它们在安全敏感应用中面临潜在利用风险，并凸显了其鲁棒性的缺乏。本文使用变分自编码器（VAE）来防御图像分类任务的对抗攻击。该 VAE 防御具有若干良好性质：（1）它相当灵活，且其对随机性的使用使其更难被攻击；（2）它能学习解耦表示以防止模糊重建；（3）采用了逐块 VAE 防御策略，无需针对不同尺寸图像重新训练。对于中等至严重的攻击，该系统以最佳质量参数优于或紧密匹配 JPEG 压缩的性能。它还具有更多灵活性及通过训练改进的潜力。
引用
@article{arxiv.1812.02891,
title = {Adversarial Defense of Image Classification Using a Variational Auto-Encoder},
author = {Yi Luo and Henry Pfister},
journal= {arXiv preprint arXiv:1812.02891},
year = {2018}
}