深度卷积网络对 Gabor 噪声的敏感性
机器学习
2019-06-12 v2 密码学与安全
机器学习
摘要
深度卷积网络（DCNs）已被证明对通用对抗扰动（UAPs）敏感：即与输入无关的扰动，能在数据集的大部分样本上欺骗模型。这些 UAPs 展现出有趣的视觉模式，但这一现象迄今仍鲜被理解。我们的工作表明，视觉上相似的程序化噪声模式同样充当 UAPs。具体而言，我们证明了不同的 DCN 架构对 Gabor 噪声模式敏感。这一行为及其成因与启示值得进一步深入研究。
引用
@article{arxiv.1906.03455,
title = {Sensitivity of Deep Convolutional Networks to Gabor Noise},
author = {Kenneth T. Co and Luis Muñoz-González and Emil C. Lupu},
journal= {arXiv preprint arXiv:1906.03455},
year = {2019}
}
备注
Accepted to ICML 2019 Workshop on Identifying and Understanding Deep Learning Phenomena