面向对抗训练的对抗噪声建模
机器学习
2022-07-19 v5
摘要
深度神经网络已被证明易受对抗噪声的影响，这推动了针对对抗攻击的防御技术的发展。鉴于对抗噪声包含具有良好泛化能力的特征，且对抗数据与自然数据之间的关系有助于推断自然数据并做出可靠预测，本文通过学习对抗标签（即用于生成对抗数据的翻转标签）与自然标签（即自然数据的真实标签）之间的转移关系来研究对抗噪声的建模。具体而言，我们引入实例相关的转移矩阵来关联对抗标签与自然标签，该矩阵可与目标模型无缝嵌入（使我们能够建模更强的自适应对抗噪声）。实证评估表明，我们的方法能有效提升对抗准确率。
引用
@article{arxiv.2109.09901,
title = {Modeling Adversarial Noise for Adversarial Training},
author = {Dawei Zhou and Nannan Wang and Bo Han and Tongliang Liu},
journal= {arXiv preprint arXiv:2109.09901},
year = {2022}
}