MeanSparse：通过均值中心化特征稀疏化实现后训练鲁棒性增强
计算机视觉与模式识别
2025-10-10 v3 密码学与安全
机器学习
摘要
我们提出一种简单而有效的方法，通过后处理对抗训练模型，以提高卷积神经网络和注意力机制神经网络对对抗样本的鲁棒性。我们的技术方法MeanSparse，将训练好的模型的激活函数级联，以新颖的算子对均值中心化特征向量进行稀疏化。这等价于减少特征在均值周围的变化，我们证明，这种减少的变化仅影响模型的实用性，却显著削弱对抗性扰动并降低攻击者的成功率。我们的实验表明，当应用于RobustBench排行榜中的顶级模型时，MeanSparse在CIFAR-10、CIFAR-100和ImageNet上的AutoAttack准确率分别达到新的鲁棒性纪录75.28%（从73.71%）、44.78%（从42.67%）和62.12%（从59.56%）。代码已公开于https://github.com/SPIN-UMass/MeanSparse
引用
@article{arxiv.2406.05927,
title = {MeanSparse: Post-Training Robustness Enhancement Through Mean-Centered Feature Sparsification},
author = {Sajjad Amini and Mohammadreza Teymoorianfard and Shiqing Ma and Amir Houmansadr},
journal= {arXiv preprint arXiv:2406.05927},
year = {2025}
}