[复现]双重采样随机平滑
机器学习
2023-06-28 v1 密码学与安全
统计理论
统计理论
摘要
本文是对机器学习领域可复现性挑战的一项贡献，具体针对认证神经网络(NNs)抵御对抗扰动的鲁棒性问题。所提出的双重采样随机平滑(Double Sampling Randomized Smoothing, DSRS)框架通过使用额外的平滑分布来改进鲁棒性认证，从而克服现有方法的局限。本文清晰展示了DSRS在广义高斯平滑族上的形式，并给出了一种计算高效的实现方法。在MNIST和CIFAR-10上的实验证明了DSRS的有效性，其一致地认证出比其他方法更大的鲁棒半径。此外还进行了多种消融研究，以进一步分析所提框架的超参数及对抗训练方法对认证半径的影响。
引用
@article{arxiv.2306.15221,
title = {[Re] Double Sampling Randomized Smoothing},
author = {Aryan Gupta and Sarthak Gupta and Abhay Kumar and Harsh Dugar},
journal= {arXiv preprint arXiv:2306.15221},
year = {2023}
}