PuVAE：一种用于净化对抗样本的变化自编码器
机器学习
2019-03-05 v1 密码学与安全
计算机视觉与模式识别
机器学习
摘要
深度神经网络被广泛使用并在许多领域展现出优异性能。然而，它们易受对抗攻击，此类攻击通过在输入数据上施加精心设计的扰动，在推理时破坏网络。尽管已有若干防御方法针对特定攻击提出，其他攻击方法可规避这些防御机制。因此，我们提出净化变化自编码器(PuVAE)，一种净化对抗样本的方法。所提方法通过将对抗样本投影到每一类的流形上以消除对抗扰动，并将最近的投影确定为净化样本。我们在无先验知识下实验说明了 PuVAE 对各种攻击方法的鲁棒性。在我们的实验中，所提方法展现出与 SOTA 防御方法相竞争的性能，且推理时间约为 SOTA 净化器模型 Defense-GAN 的 1/130。
引用
@article{arxiv.1903.00585,
title = {PuVAE: A Variational Autoencoder to Purify Adversarial Examples},
author = {Uiwon Hwang and Jaewoo Park and Hyemi Jang and Sungroh Yoon and Nam Ik Cho},
journal= {arXiv preprint arXiv:1903.00585},
year = {2019}
}