一石二鸟：基于分布差异视角的对抗防御增强
机器学习
2025-06-09 v2 密码学与安全
摘要
统计对抗数据检测（SADD）通过测量干净样本（CEs）与对抗样本之间的分布差异，来检测即将到来的批次是否包含对抗样本。本文从理论上证明了最小化分布差异有助于减少在对抗样本上的期望损失，从而探索了基于 SADD 方法的能力。尽管具有这些优势，基于 SADD 的方法存在一个潜在局限：它们会丢弃被检测为对抗样本的输入，导致这些输入中有用信息的丢失。为解决这一局限，我们提出了一种双管齐下的对抗防御方法，命名为基于分布差异的对抗防御（DAD）。在训练阶段，DAD 首先优化最大均值差异（MMD）的检验功效以得到 MMD-OPT，这是一块“一石二鸟”的石头。MMD-OPT 首先作为指导信号，最小化 CEs 与 AEs 之间的分布差异以训练去噪器。随后，在推理阶段，它作为判别器区分 CEs 与 AEs。总体而言，在推理阶段，DAD 包含一个双管齐下的过程：（1）将检测到的 CEs 直接输入分类器；（2）通过基于分布差异的去噪器去除检测到的 AEs 中的噪声。大量实验表明，在针对自适应白盒攻击时，DAD 在 CIFAR-10 和 ImageNet-1K 上同时提升了干净准确率和鲁棒准确率，优于当前最先进的（SOTA）防御方法。代码公开获取于：https://github.com/tmlr-group/DAD。
引用
@article{arxiv.2503.02169,
title = {One Stone, Two Birds: Enhancing Adversarial Defense Through the Lens of Distributional Discrepancy},
author = {Jiacheng Zhang and Benjamin I. P. Rubinstein and Jingfeng Zhang and Feng Liu},
journal= {arXiv preprint arXiv:2503.02169},
year = {2025}
}