丢弃像素以提升对抗鲁棒性
机器学习
2019-05-02 v1 机器学习
摘要
深度神经网络易受对抗样本攻击。本文提出以高丢弃率对图像进行随机子采样来训练和测试网络。我们表明，该方法在所有有界 L0、L2 和 L_inf 扰动情形下均显著提升了针对对抗样本的鲁棒性，同时仅使标准准确率小幅下降。我们认为，子采样像素可视为为输入图像提供了一组鲁棒特征，从而无需进行对抗训练即可改善鲁棒性。
引用
@article{arxiv.1905.00180,
title = {Dropping Pixels for Adversarial Robustness},
author = {Hossein Hosseini and Sreeram Kannan and Radha Poovendran},
journal= {arXiv preprint arXiv:1905.00180},
year = {2019}
}