码桥分类器（CBC）：一种使 CNN 分类器抵御对抗攻击的低开销或负开销防御方法
机器学习
2020-01-20 v1 计算机视觉与模式识别
机器学习
摘要
在本文中，我们提出码桥分类器（CBC），一种使卷积神经网络（CNN）抵御对抗攻击的框架，且不增加甚至降低模型整体的计算复杂度。更具体地，我们提出一种堆叠的编码器-卷积模型，其中输入图像首先由去噪自编码器的编码器模块编码，然后将得到的潜在表示（不经解码）送入一个降复杂度的 CNN 进行图像分类。我们说明该网络不仅对比已有的防御方法对对抗样本更具鲁棒性，而且具有显著更低的计算复杂度。
引用
@article{arxiv.2001.06099,
title = {Code-Bridged Classifier (CBC): A Low or Negative Overhead Defense for Making a CNN Classifier Robust Against Adversarial Attacks},
author = {Farnaz Behnia and Ali Mirzaeian and Mohammad Sabokrou and Sai Manoj and Tinoosh Mohsenin and Khaled N. Khasawneh and Liang Zhao and Houman Homayoun and Avesta Sasan},
journal= {arXiv preprint arXiv:2001.06099},
year = {2020}
}
备注
6 pages, Accepted and to appear in ISQED 2020