利用非负权重限制防御对抗扰动下的恶意软件分类网络
机器学习
2018-06-26 v1 密码学与安全
机器学习
摘要
越来越多的文献表明深度神经网络易受对抗性输入修改的攻击。最近，这项工作已从图像分类扩展到基于布尔特征的恶意软件分类。在本文中，我们提出了几种在该特定领域中训练受限网络的新方法，这些方法在防止对抗扰动方面非常有效。我们从一个具有硬非负权重限制且等价于学习单调布尔函数的完全对抗鲁棒神经网络开始，然后尝试放宽约束以提高分类器准确率。
引用
@article{arxiv.1806.09035,
title = {Defending Malware Classification Networks Against Adversarial Perturbations with Non-Negative Weight Restrictions},
author = {Alex Kouzemtchenko},
journal= {arXiv preprint arXiv:1806.09035},
year = {2018}
}