将隐层表示引入对抗攻击与防御
机器学习
2022-06-24 v2 密码学与安全
摘要
本文提出一种通过引入隐层表示来提升对抗鲁棒性的防御策略。该防御策略的关键在于压缩或过滤包含对抗扰动的输入信息。此防御策略可视为一种激活函数，适用于任意类型的神经网络。我们还在一定条件下从理论证明了该防御策略的有效性。此外，基于引入隐层表示，我们提出了三类对抗攻击以分别生成三类对抗样本。实验表明，即便未采用对抗训练，我们的防御方法也能显著提升深度神经网络的对抗鲁棒性，并达到最先进的性能。
引用
@article{arxiv.2011.14045,
title = {Incorporating Hidden Layer representation into Adversarial Attacks and Defences},
author = {Haojing Shen and Sihong Chen and Ran Wang and Xizhao Wang},
journal= {arXiv preprint arXiv:2011.14045},
year = {2022}
}