HAD-GAN：一种用于防御对抗样本的人类感知辅助防御GAN
计算机视觉与模式识别
2021-12-23 v5 机器学习
图像与视频处理
摘要
对抗样本揭示了神经网络的脆弱性和不可解释性。研究对抗样本的防御具有相当的实际重要性。大多数使网络误分类的对抗样本往往人类无法察觉。本文提出一种防御模型，将分类器训练为具有形状偏好的人类感知分类模型。该模型由纹理迁移网络(TTN)和辅助防御生成对抗网络(GAN)组成，称为人类感知辅助防御 GAN (HAD-GAN)。TTN 用于扩展干净图像的纹理样本并帮助分类器关注其形状。GAN 用于形成模型的训练框架并生成所需图像。在 MNIST、Fashion-MNIST 和 CIFAR10 上进行的一系列实验表明，所提模型在网络鲁棒性的防御方法上优于当前最优(state-of-the-art)方法。该模型在对抗样本的防御能力上也表现出显著提升。
引用
@article{arxiv.1909.07558,
title = {HAD-GAN: A Human-perception Auxiliary Defense GAN to Defend Adversarial Examples},
author = {Wanting Yu and Hongyi Yu and Lingyun Jiang and Mengli Zhang and Kai Qiao},
journal= {arXiv preprint arXiv:1909.07558},
year = {2021}
}