检索增强卷积神经网络以增强对抗样本鲁棒性
机器学习
2018-02-27 v1
摘要
我们提出了一种检索增强卷积网络，并提议使用局部 mixup（local mixup，一种近期提出的 mixup 算法的新变体）对其进行训练。所提出的结合卷积网络与现成检索引擎的混合架构旨在减轻离流形对抗样本的不利影响，而所提出的局部 mixup 通过显式鼓励分类器在数据流形上局部呈线性行为来处理在流形上的对抗样本。我们在三个数据集——CIFAR-10、SVHN 和 ImageNet——上针对五种现成对抗攻击对所提方法进行评估，结果表明相较于原始卷积网络其鲁棒性有所提升。
引用
@article{arxiv.1802.09502,
title = {Retrieval-Augmented Convolutional Neural Networks for Improved Robustness against Adversarial Examples},
author = {Jake Zhao and Kyunghyun Cho},
journal= {arXiv preprint arXiv:1802.09502},
year = {2018}
}