Defense-VAE：一种快速且精准的对抗攻击防御方法
计算机视觉与模式识别
2019-08-02 v3
摘要
深度神经网络（DNNs）在各种预测任务中取得了巨大成功。然而，近期研究表明DNNs尤其易受对抗攻击，这对其在安全敏感系统中的应用构成了严重威胁。在本文中，我们提出了一种简单而有效的防御算法Defense-VAE，它使用变分自编码器（VAE）从受污染图像中清除对抗扰动。所提方法是通用的，能够防御白盒和黑盒攻击，无需重新训练原始CNN分类器，并且可通过重新训练CNN或端到端微调整个流程来进一步加强防御。此外，与基于优化的替代方法（如Defense-GAN）相比，所提方法非常高效，因为在线预测不需要迭代优化。在MNIST、Fashion-MNIST、CelebA和CIFAR-10上的大量实验表明，Defense-VAE相较于Defense-GAN具有更优的防御精度，同时比后者快50倍。这使得Defense-VAE可广泛部署于实时安全敏感系统中。我们的源代码可在https://github.com/lxuniverse/defense-vae找到。
引用
@article{arxiv.1812.06570,
title = {Defense-VAE: A Fast and Accurate Defense against Adversarial Attacks},
author = {Xiang Li and Shihao Ji},
journal= {arXiv preprint arXiv:1812.06570},
year = {2019}
}
备注
Published as a workshop paper at MLCS 2019