MadNet：使用MAD优化防御对抗攻击
机器学习
2020-06-16 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
本文关注深度模型抵御对抗攻击的防御问题。受证书防御方法启发，我们提出一种用于鲁棒化深度网络的最大对抗失真(MAD)优化方法。MAD体现了在嵌入空间中增大类簇可分离性同时降低网络对小失真敏感性的思想。给定一个用于分类问题的深度神经网络(DNN)，应用MAD优化得到MadNet，即原网络的一个版本，现已配备对抗防御机制。MAD优化直观、有效且可扩展，所得MadNet可提升原始准确率。我们给出了广泛的实证研究，表明与最先进方法相比，MadNet提升了对抗鲁棒性性能。
引用
@article{arxiv.1911.00870,
title = {MadNet: Using a MAD Optimization for Defending Against Adversarial Attacks},
author = {Shai Rozenberg and Gal Elidan and Ran El-Yaniv},
journal= {arXiv preprint arXiv:1911.00870},
year = {2020}
}