使用 Voronoi-Epsilon 对手衡量对抗鲁棒性

先前关于鲁棒性的研究认为，准确率与对抗准确率之间存在权衡。即便忽略泛化，这种权衡也可能不可避免。我们认为，该权衡源于常用的对抗准确率定义本身，其使用的对手可构造受数据点周围 $\epsilon$-球约束的对抗点。当 $\epsilon$ 较大时，该对手可能使用来自其他类别的真实数据点作为对抗样本。我们提出一种 Voronoi-epsilon 对手，其同时受 Voronoi 单元与 $\epsilon$-球约束。该对手在两种扰动概念间取得平衡。因此，基于此对手的对抗准确率即使在 $\epsilon$ 较大时，也避免了训练数据上准确率与对抗准确率之间的权衡。最后，我们证明最近邻分类器是针对所提对手在训练数据上最大鲁棒的分类器。