通过去噪与降维对抗对抗攻击：一种级联自编码器方法

机器学习模型易受依赖于扰动输入数据的对抗攻击。本工作提出一种使用自编码器深度神经网络的新策略，以防御机器学习模型免受两种基于梯度的攻击：快速梯度符号攻击与快速梯度攻击。我们首先使用自编码器对测试数据去噪，该自编码器以干净与 corrupted 数据共同训练。然后，我们利用另一自编码器的隐藏层表示对去噪数据降维。我们对多个对抗扰动界值开展实验，并考虑不同的降维数。当测试数据经此级联流水线预处理后，被测深度神经网络分类器给出高得多的准确率，从而缓解了对抗扰动的影响。