对抗对数配对鲁棒性的评估与理解
机器学习
2018-11-27 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
我们评估了近期提出的针对对抗样本的一种防御方法——对抗对数配对（Adversarial Logit Pairing, ALP）的鲁棒性。我们发现，在考虑该防御的威胁模型下，用对抗对数配对训练的网络准确率为 0.6%。我们简要概述了该防御方法及所考虑的威胁模型/声明，并讨论了我们的攻击方法与结果，这可能有助于深入理解 ALP 易受对抗攻击的原因。
引用
@article{arxiv.1807.10272,
title = {Evaluating and Understanding the Robustness of Adversarial Logit Pairing},
author = {Logan Engstrom and Andrew Ilyas and Anish Athalye},
journal= {arXiv preprint arXiv:1807.10272},
year = {2018}
}
备注
NeurIPS SECML 2018. Source code at https://github.com/labsix/adversarial-logit-pairing-analysis