利用预训练模型在 ImageNet 上实现基于密钥的高效对抗防御
计算机视觉与模式识别
2023-11-29 v1
摘要
本文中，我们提出通过利用预训练模型并在 ImageNet-1k 分类上使用近期高效微调技术，实现基于密钥的防御模型增殖。首先，我们强调尽管主流企业边缘人工智能（Edge AI）聚焦于云端，借助最新模型部署进展（如 Apple CoreML），在边缘设备上部署基于密钥的模型是可行的。接着，我们指出先前基于密钥的端侧图像分类防御不切实际，原因有二：（1）从头训练众多分类器不可行；（2）基于密钥的防御仍须在 ImageNet 等大型数据集上充分测试。为此，我们提出利用预训练模型并采用高效微调技术，即便在有限计算资源下也能增殖基于密钥的模型。实验在 ImageNet-1k 数据集上使用自适应与非自适应攻击进行。结果表明，相较于先前基于密钥的模型，我们提出的微调后基于密钥模型在干净样本与对抗样本分类上取得了更优准确率（提升超 10%）。
引用
@article{arxiv.2311.16577,
title = {Efficient Key-Based Adversarial Defense for ImageNet by Using Pre-trained Model},
author = {AprilPyone MaungMaung and Isao Echizen and Hitoshi Kiya},
journal= {arXiv preprint arXiv:2311.16577},
year = {2023}
}