RobustEdge：面向云边系统的低功耗对抗检测
密码学与安全
2023-10-12 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
在实际的云边场景中，资源受限的边缘执行数据采集，而云系统（拥有充足资源）使用深度神经网络（DNN）执行推理任务，对抗鲁棒性对于可靠性和普适部署至关重要。对抗检测是先前文献中使用的主要对抗防御技术。然而，在先前的检测工作中，检测器附加在分类器模型上，检测器和分类器协同工作执行对抗检测，这需要高计算开销，在低功耗边缘无法提供。因此，先前的工作只能在云端而非边缘执行对抗检测。这意味着在对抗攻击的情况下，不利的对抗样本必须被传输至云端，导致边缘设备的能量浪费。因此，需要一种低功耗、边缘友好的对抗检测方法来提高边缘的能效和基于云的 classifier 的鲁棒性。为此，RobustEdge 提出了启用量化的能量分离（QES）训练与“早期检测与退出”，以执行基于边缘的低成本对抗检测。在边缘实现的 QES 训练检测器阻止对抗数据传输至分类器模型，从而提高了云边系统的对抗鲁棒性和能效。
引用
@article{arxiv.2310.06845,
title = {RobustEdge: Low Power Adversarial Detection for Cloud-Edge Systems},
author = {Abhishek Moitra and Abhiroop Bhattacharjee and Youngeun Kim and Priyadarshini Panda},
journal= {arXiv preprint arXiv:2310.06845},
year = {2023}
}
备注
IEEE Transactions on Emerging Topics in Computational Intelligence (TETCI)