ATRAS：对抗训练鲁棒架构搜索
机器学习
2021-06-15 v1
摘要
在本文中，我们探讨了架构完备性对抗鲁棒性的影响。我们在 CIFAR-10 和 MNIST 数据集上以不同架构训练模型。对于每个模型，我们改变不同层数和层中不同节点数。对于每个架构候选，我们使用快速梯度符号法（FGSM）生成无目标对抗攻击，并使用对抗训练来防御这些攻击。对于每个架构候选，我们报告模型在攻击前、攻击后和防御后的准确率，以及架构参数和完备性对模型准确率的影响。
引用
@article{arxiv.2106.06917,
title = {ATRAS: Adversarially Trained Robust Architecture Search},
author = {Yigit Alparslan and Edward Kim},
journal= {arXiv preprint arXiv:2106.06917},
year = {2021}
}
备注
9 pages, 2 figures, 2 tables