基于正交编码器的潜空间随机平滑认证防御
机器学习
2021-08-03 v1 密码学与安全
摘要
随机平滑（RS）作为少数可证明防御之一，在防御-范数对抗扰动方面已展现出极佳的有效性与可扩展性。然而，RS评估所需的MC采样代价高且计算昂贵。为解决此问题，我们探究在网络潜空间执行随机平滑并建立鲁棒认证的可能性，从而大幅降低计算所涉张量的整体维度。为此，我们提出潜空间随机平滑（Latent Space Randomized Smoothing）。另一重要方面是，我们使用正交模块，其Lipschitz性质由设计天然已知，将潜空间估计的认证半径传回输入空间，为输入空间中的测试样本提供有效可认证区域。在CIFAR10与ImageNet上的实验表明，我们的方法取得了有竞争力的认证鲁棒性，且在测试阶段效率显著提升。
引用
@article{arxiv.2108.00491,
title = {Certified Defense via Latent Space Randomized Smoothing with Orthogonal Encoders},
author = {Huimin Zeng and Jiahao Su and Furong Huang},
journal= {arXiv preprint arXiv:2108.00491},
year = {2021}
}