提升微弱鲁棒学习器：对抗鲁棒性的新视角
机器学习
2022-02-15 v1 机器学习
摘要
我们提出一种预言机高效的算法，用于提升微弱鲁棒学习器的对抗鲁棒性。微弱鲁棒学习算法所学习的预测器仅在数据分布的一小部分 上是对抗鲁棒的。我们提出的微弱鲁棒学习概念要求相对于“更大”的扰动集具有鲁棒性；我们表明这对于强鲁棒学习是必要的，且更弱的松弛不足以用于强鲁棒学习。我们的结果揭示了两个看似无关的问题——强鲁棒学习与微弱鲁棒学习——之间定性与定量的等价性。
引用
@article{arxiv.2202.05920,
title = {Boosting Barely Robust Learners: A New Perspective on Adversarial Robustness},
author = {Avrim Blum and Omar Montasser and Greg Shakhnarovich and Hongyang Zhang},
journal= {arXiv preprint arXiv:2202.05920},
year = {2022}
}