随机定向通用对抗扰动局部最优检测
计算机视觉与模式识别
2020-12-10 v1
摘要
深度学习的图像分类器已知易受输入图像的微小对抗扰动影响。在本文中，我们推导了基于局部最优广义似然比检验（LO-GLRT）的检测器，用于检测分类器输入的随机定向通用对抗扰动（UAPs）。我们还描述了一种有监督训练方法来学习检测器的参数，并在几个流行的图像分类数据集上展示了该检测器相对于其他检测方法的更优性能。
引用
@article{arxiv.2012.04692,
title = {Locally optimal detection of stochastic targeted universal adversarial perturbations},
author = {Amish Goel and Pierre Moulin},
journal= {arXiv preprint arXiv:2012.04692},
year = {2020}
}
备注
Submitted to ICASSP 2021