多项式网络的可靠且完备验证
机器学习
2022-10-25 v2 人工智能
密码学与安全
摘要
多项式网络（PNs）近期在人脸与图像识别上展现出有前景的性能。然而，PN 的鲁棒性尚不清楚，因此获取证书对其在现实应用中的采用变得至关重要。基于经典分支定界（BaB）技术的 ReLU 神经网络（NNs）现有验证算法无法平凡地应用于 PN 验证。本工作中，我们设计了一种新的边界方法，配备 BaB 以保证全局收敛，称为多项式网络验证（VPN）。一个关键见解是我们获得了比区间边界传播（IBP）和 DeepT-Fast [Bonaert et al., 2021] 基线紧得多的边界。这使得在 MNIST、CIFAR10 和 STL10 数据集上通过实证验证实现了可靠且完备的 PN 验证。我们相信我们的方法对 NN 验证具有独立意义。源代码公开于 https://github.com/megaelius/PNVerification。
引用
@article{arxiv.2209.07235,
title = {Sound and Complete Verification of Polynomial Networks},
author = {Elias Abad Rocamora and Mehmet Fatih Sahin and Fanghui Liu and Grigorios G Chrysos and Volkan Cevher},
journal= {arXiv preprint arXiv:2209.07235},
year = {2022}
}
备注
Accepted in NeurIPS 2022