学习任务感知的鲁棒深度学习系统
机器学习
2021-12-03 v2 人工智能
机器学习
摘要
许多工作表明深度学习系统易受对抗攻击。深度学习系统由两部分组成：深度学习任务和深度模型。当前，大多数现有工作研究深度模型对深度学习系统鲁棒性的影响，而忽略了学习任务的影响。在本文中，我们采用二值与区间标签编码策略重新定义分类任务，并设计相应的损失以提升深度学习系统的鲁棒性。我们的方法可视为从学习任务和深度模型两方面提升深度学习系统的鲁棒性。实验结果表明，我们的学习任务感知方法在保持准确率的同时，比传统分类方法鲁棒得多。
引用
@article{arxiv.2010.05125,
title = {Learning Task-aware Robust Deep Learning Systems},
author = {Keji Han and Yun Li and Xianzhong Long and Yao Ge},
journal= {arXiv preprint arXiv:2010.05125},
year = {2021}
}
备注
9 Pages