大多数卷积网络会遭受小型对抗扰动
机器学习
2026-02-04 v1
摘要
对随机全连接神经网络的对抗样本存在相对较为清晰的理解，但对于卷积神经网络 (CNN) 的情况则少之无几。近期工作[Daniely, 2025]建立了在CNN中找到对抗样本的结果，尽管其距离输入点并非最优。我们扩展了这一工作，证明了具有输入维数 的随机CNN中的对抗样本，已可在 距离为 时即找到，这几乎是最近可能的距离。我们还表明，这类小型对抗扰动可通过梯度下降的单次步骤来找到。为推导这些结果，我们使用傅里叶分解高效地界定随机线性卷积算子的奇异值，这正是CNN层的主要材料。该界限可能独具兴趣。
关键词
引用
@article{arxiv.2602.03415,
title = {Most Convolutional Networks Suffer from Small Adversarial Perturbations},
author = {Amit Daniely and Idan Mehalel},
journal= {arXiv preprint arXiv:2602.03415},
year = {2026}
}