对抗鲁棒性与常见扰动鲁棒性是否为独立属性

神经网络已被证明对模糊、高斯噪声、旋转等常见扰动敏感。它们也容易受到一些被称为对抗样本的人为恶意破坏的影响。对抗样本的研究近年来变得非常流行，有时甚至将“对抗鲁棒性”一词简化为“鲁棒性”。然而，我们并不知道对抗鲁棒性在多大程度上与全局鲁棒性相关。类似地，我们也不知道对诸如平移或对比度损失等各种常见扰动的鲁棒性是否有助于应对对抗性破坏。我们旨在研究神经网络对这两类扰动的鲁棒性之间的联系。通过实验，我们提供了旨在评估神经网络对常见扰动鲁棒性的首批基准之一。我们表明，增强对精心选择的常见扰动的鲁棒性，可以使神经网络对未见的常见扰动更加鲁棒。我们还证明了对抗鲁棒性与对常见扰动的鲁棒性是独立的。我们的结果使我们相信，神经网络的鲁棒性应当以更广义的视角来对待。