攻击压缩视觉Transformer
机器学习
2022-09-29 v1 计算机视觉与模式识别
摘要
视觉Transformer因其优越性能正日益嵌入工业系统，但其内存与功耗需求使得将其部署到边缘设备成为一项具有挑战性的任务。因此，模型压缩技术现被广泛用于边缘设备上的模型部署，因为它们降低了资源需求并使模型推理非常快速高效。但从安全视角看，其在安全关键应用中的可靠性与鲁棒性是另一主要问题。对抗攻击之于ML算法犹如视觉错觉，它们会严重影响模型的准确性与可靠性。在本工作中，我们研究了对抗样本在SOTA视觉Transformer模型及其3种SOTA压缩版本间的可迁移性，并推断不同压缩技术对对抗攻击的影响。
引用
@article{arxiv.2209.13785,
title = {Attacking Compressed Vision Transformers},
author = {Swapnil Parekh and Devansh Shah and Pratyush Shukla},
journal= {arXiv preprint arXiv:2209.13785},
year = {2022}
}