在 GPU 上扩展多面体神经网络验证
机器学习
2021-05-20 v2 机器学习
摘要
证明神经网络对对抗攻击的鲁棒性，对于其在自动驾驶和医疗诊断等安全关键系统中的可靠采用至关重要。遗憾的是，最先进的验证器要么无法扩展到更大的网络，要么过于不精确而无法证明鲁棒性，限制了它们的实际采用。在这项工作中，我们介绍了 GPUPoly，一个可扩展的验证器，能够证明其鲁棒性所适用的深度神经网络显著大于先前可能的规模。GPUPoly 背后的关键技术洞见是为 GPU 上的神经网络验证设计定制的、可靠的多面体算法。我们的算法利用了可用的 GPU 并行性以及底层验证任务固有的稀疏性。GPUPoly 可扩展到大型网络：例如，它能在约 34.5 毫秒内证明一个具有 100 万神经元、34 层深的残差网络的鲁棒性。我们相信 GPUPoly 是迈向实际验证真实世界神经网络的有希望的一步。
引用
@article{arxiv.2007.10868,
title = {Scaling Polyhedral Neural Network Verification on GPUs},
author = {Christoph Müller and François Serre and Gagandeep Singh and Markus Püschel and Martin Vechev},
journal= {arXiv preprint arXiv:2007.10868},
year = {2021}
}
备注
M\"uller and Serre contributed equally to this work