动态双层防御路由：用于持续对抗训练
密码学与安全
2025-09-29 v1
摘要
随着对抗性攻击的不断演变，对抗模型面临持续性漏洞风险，这凸显了持续对抗训练（CAT）的重要性。现有的CAT方法通常通过数据回放或优化策略来平衡决策边界，从而约束共享模型参数。然而，由于对抗样本的多样性和侵略性，这些方法在持续学习后会遗忘先前的防御知识。本文提出了一种新框架，称为双层防御路由（Dual-level Defense Routing, DDeR），可自动选择合适的路由器以整合特定防御专家，从而适应不断演变的对抗攻击。具体而言，第一层防御路由包含多个防御专家和路由器，其中每个路由器动态选择并组合合适的专家以处理受攻击的特征。随着持续对抗训练的进行，路由器独立递增，其选择由第二层防御路由中的对抗哨兵网络（Adversarial Sentinel Network, ASN）指导。为弥补由于路由器独立性而无法测试的局限性，我们进一步提出了伪任务替换训练（Pseudo-task Substitution Training, PST）策略，该策略利用数据中的分布性差异，在不存储历史数据的情况下促进路由器之间的通信。大量实验表明，DDeR 在持续防御性能和分类准确率方面优于现有方法。
引用
@article{arxiv.2509.21392,
title = {Dynamic Dual-level Defense Routing for Continual Adversarial Training},
author = {Wenxuan Wang and Chenglei Wang and Xuelin Qian},
journal= {arXiv preprint arXiv:2509.21392},
year = {2025}
}