深度学习防克隆保护

深度学习对对抗性攻击的易感性可以在重整化群（RG）框架下理解，并且如果已知每层的权重，就可以诊断特定网络的脆弱性。能够访问输入和输出的对手可以训练第二个网络来克隆这些权重，并在识别出弱点后，利用它们计算利用该弱点的输入数据扰动。然而，RG 框架也提供了一种在不影响其合法使用的情况下，难以察觉地污染网络输出的方法，从而防止其权重被克隆，进而挫败对抗性数据的生成。