APE-GAN：基于 GAN 的对抗扰动消除
计算机视觉与模式识别
2017-09-27 v3
摘要
尽管神经网络在图像识别中能取得最先进（state-of-the-art）性能，它们常因对抗样本——利用对数据集中干净样本施加不可感知但蓄意的扰动而生成的输入——遭受巨大失败。如何防御对抗样本是一个至关重要且值得深入研究的问题。迄今，极少方法有对对抗样本提供显著防御。本文提出一种新颖思路，并实现了一个基于生成对抗网络（GAN）的名为 APE-GAN 的有效框架来防御对抗样本。在包括 MNIST、CIFAR10 与 ImageNet 的三个基准数据集上的实验结果表明，APE-GAN 能有效抵抗由五种攻击生成的对抗样本。
引用
@article{arxiv.1707.05474,
title = {APE-GAN: Adversarial Perturbation Elimination with GAN},
author = {Shiwei Shen and Guoqing Jin and Ke Gao and Yongdong Zhang},
journal= {arXiv preprint arXiv:1707.05474},
year = {2017}
}
备注
14 pages