剪枝对对抗鲁棒性的影响

剪枝是降低深度卷积网络计算成本的知名机制。然而，研究表明剪枝作为一种正则化形式，可减少过拟合并改善泛化。我们证明这类策略除计算性能与泛化之外还带来额外益处。我们的分析揭示，从卷积网络中剪枝结构（滤波器和/或层）不仅提升泛化，还增强对对抗图像（内容被修改的自然图像）的鲁棒性。此类成果之所以可能，是因为剪枝降低了网络容量并提供正则化，而这已被证明是对抗对抗图像的有效手段。相较于需要以对抗图像训练并仔细正则化的有望防御机制，我们表明仅考虑自然图像（例如标准且低成本的训练）的剪枝即可取得有竞争力的结果。我们在多种对抗攻击与架构上证实了这些发现，从而提示剪枝作为对抗对抗图像新型防御机制的潜力。