用于防御 ImageNet 中对抗攻击的鲁棒高效干扰神经网络
计算机视觉与模式识别
2023-10-11 v1 机器学习
摘要
对抗图像的存在已严重影响图像识别任务与深度学习的实际应用,也是深度学习亟待解决的关键科学问题。迄今为止最有效的方法是用大量对抗样本训练神经网络。然而,这种对抗训练方法在应用于 ImageNet 时需要巨大的计算资源,且对高强度对抗攻击尚未取得满意效果。本文通过施加额外的背景图像及相应标签构建干扰神经网络,并利用预训练的 ResNet-152 高效完成训练。相较于 PGD 攻击下的最先进(SOTA)结果,它以小得多的计算资源取得了更好的防御效果。该工作为有效防御对抗攻击的学术研究与实际应用提供了新思路。
引用
@article{arxiv.2310.05947,
title = {Robust and Efficient Interference Neural Networks for Defending Against Adversarial Attacks in ImageNet},
author = {Yunuo Xiong and Shujuan Liu and Hongwei Xiong},
journal= {arXiv preprint arXiv:2310.05947},
year = {2023}
}
备注
11 pages, 3 figures