天体物理中直接参数推断模型的可行对抗攻击
宇宙学与河外天体物理
2022-11-29 v1
摘要
在本摘要中，我们探讨了通过对抗型攻击在物理参数推断模型中引入偏差的可能性。具体而言，我们向混合密度网络(mixture density networks)的输入中注入小幅系统误差，该网络任务为从观测数据推断宇宙学参数。这些系统误差的构造类似于白盒对抗攻击。我们发现，在标准宇宙学估计量不敏感的情况下，分析网络可能被欺骗而虚假地探测到新物理。这对这类网络的鲁棒性及其可靠探测新物理的效用提出了质疑。
引用
@article{arxiv.2211.14788,
title = {Plausible Adversarial Attacks on Direct Parameter Inference Models in Astrophysics},
author = {Benjamin Horowitz and Peter Melchior},
journal= {arXiv preprint arXiv:2211.14788},
year = {2022}
}
备注
Accepted submission to Machine Learning and the Physical Sciences workshop, NeurIPS 2022