中文

当前对抗鲁棒性研究是否针对了正确的问题

计算机视觉与模式识别 2022-08-05 v2 人工智能 密码学与安全 机器学习

摘要

简短回答:是;长篇回答:否!的确,对抗鲁棒性研究带来了宝贵的见解,帮助我们理解和探索该问题的不同方面。过去几年中提出了许多攻击与防御方法。然而,该问题在很大程度上仍未解决且理解不足。在此,我认为当前对该问题的表述服务于短期目标,需要被修正以使我们取得更大的进展。具体而言,对扰动的约束造成了一种有些人为设定的场景,需要被放宽。这误导我们聚焦于本身表达能力不足的模型类别。相反,受人类视觉以及我们更多依赖形状、顶点和前景物体等鲁棒特征而非纹理等非鲁棒特征这一事实的启发,应将努力转向寻找显著不同的模型类别。也许,与其局限于难以察觉的对抗扰动,我们更应攻击一个更一般的问题,即寻找同时对可察觉扰动、几何变换(如旋转、缩放)、图像失真(光照、模糊)及更多情况(如遮挡、阴影)具有鲁棒性的架构。只有这样,我们才有可能解决对抗脆弱性的问题。

关键词

引用

@article{arxiv.2208.00539,
  title  = {Is current research on adversarial robustness addressing the right problem?},
  author = {Ali Borji},
  journal= {arXiv preprint arXiv:2208.00539},
  year   = {2022}
}