ME-Net：基于矩阵估计实现有效的对抗鲁棒性
机器学习
2019-05-29 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络容易受到对抗攻击。现有文献包含大量能轻易构造成功对抗样本的算法。相比之下，防御技术的性能仍然落后。本文提出了 ME-Net，一种利用矩阵估计 (ME) 的防御方法。在 ME-Net 中，图像通过两个步骤进行预处理：首先从图像中随机丢弃像素，然后使用 ME 重构图像。我们证明该过程破坏了噪声的对抗结构，同时增强了原始图像的全局结构。由于人类在分类图像时通常依赖此类全局结构，该过程使网络模型更符合人类感知。我们在 MNIST、CIFAR-10、SVHN 和 Tiny-ImageNet 等主流基准上进行了全面实验。将 ME-Net 与 SOTA 防御机制进行比较表明，ME-Net 始终优于现有技术，提升了对黑盒和白盒攻击的鲁棒性。
引用
@article{arxiv.1905.11971,
title = {ME-Net: Towards Effective Adversarial Robustness with Matrix Estimation},
author = {Yuzhe Yang and Guo Zhang and Dina Katabi and Zhi Xu},
journal= {arXiv preprint arXiv:1905.11971},
year = {2019}
}
备注
ICML 2019