基于函数优化的黑盒认证与随机平滑框架
机器学习
2020-10-21 v2 密码学与安全
最优化与控制
机器学习
摘要
随机分类器已被证明为深度学习中实现对抗攻击认证鲁棒性的一种有前景的方法。然而，大多数现有方法仅利用高斯平滑噪声且仅适用于扰动。我们从统一的函数优化视角，提出了一种使用非高斯噪声且针对更一般攻击类型的对抗认证通用框架。我们的新框架使我们能够通过设计平滑分布来识别准确性与鲁棒性之间的关键权衡，有助于设计新的非高斯平滑分布族，其对不同的设定（包括、和攻击）更为高效。我们提出的方法取得了比先前工作更好的认证结果，并为随机平滑认证提供了新视角。
引用
@article{arxiv.2002.09169,
title = {Black-Box Certification with Randomized Smoothing: A Functional Optimization Based Framework},
author = {Dinghuai Zhang and Mao Ye and Chengyue Gong and Zhanxing Zhu and Qiang Liu},
journal= {arXiv preprint arXiv:2002.09169},
year = {2020}
}
备注
Accepted by NeurIPS 2020