对抗噪声下鲁棒的卷积神经网络
机器学习
2016-02-26 v2 计算机视觉与模式识别
摘要
近期研究表明，卷积神经网络（CNN）容易受到被称为“对抗样本”的微小输入扰动的影响。在本工作中，我们提出了一种新的前馈 CNN，以提高在存在对抗噪声时的鲁棒性。我们的模型使用添加到输入图像和 CNN 模型中的随机加性噪声。所提出的模型与使用标准目标函数或对抗目标函数训练的 CNN 协同工作。具体而言，卷积层、最大池化层和 ReLU 层经过修改以从噪声模型中获益。我们的前馈模型仅由每个像素的均值和方差进行参数化，这简化了计算并使我们的方法可扩展至深层架构。在 CIFAR-10 和 ImageNet 测试中，所提出的模型优于其他方法，并且在困难的分类任务或更强的对抗噪声下，这种改进更为明显。
引用
@article{arxiv.1511.06306,
title = {Robust Convolutional Neural Networks under Adversarial Noise},
author = {Jonghoon Jin and Aysegul Dundar and Eugenio Culurciello},
journal= {arXiv preprint arXiv:1511.06306},
year = {2016}
}
备注
8 pages