基于注意力卷积神经网络的对抗鲁棒医学分类
计算机视觉与模式识别
2022-10-27 v1 密码学与安全
机器学习
图像与视频处理
摘要
基于卷积神经网络的医学图像分类器已被证明特别容易受到对抗样本的攻击。在未来的自动化诊断中，这种不稳定性很可能是无法接受的。尽管统计型对抗样本检测方法已被证明是有效的防御机制，但仍需进一步研究深度学习系统的根本漏洞，以及如何最好地构建能够同时最大化传统准确率和鲁棒准确率的模型。本文提出将注意力机制引入基于 CNN 的医学图像分类器中，作为一种在不牺牲传统准确率的前提下提高鲁棒准确率的可靠且有效的策略。该方法能够在典型对抗场景下将鲁棒准确率提高多达 16%，在极端情况下可提高多达 2700%。
引用
@article{arxiv.2210.14405,
title = {Adversarially Robust Medical Classification via Attentive Convolutional Neural Networks},
author = {Isaac Wasserman},
journal= {arXiv preprint arXiv:2210.14405},
year = {2022}
}