SSCNets：利用安全选择性卷积滤波器增强 DNN 鲁棒性
机器学习
2020-05-18 v2 密码学与安全
机器学习
摘要
本文中，我们引入一种基于安全选择性卷积（SSC）技术的新型方法，将其置于训练循环中，通过让给定 DNN 基于输入图像中的重要边缘学习数据分布，从而提升其鲁棒性。我们在卷积 DNN 上使用 MNIST、CIFAR-10 和 CIFAR-100 数据集，针对开源 Cleverhans 库中的 SOTA 攻击验证了我们的技术。实验结果表明，通过添加有效的预处理函数（即 Sobel 滤波），攻击成功率以及对抗图像的不可感知性均可被显著降低。
引用
@article{arxiv.1811.01443,
title = {SSCNets: Robustifying DNNs using Secure Selective Convolutional Filters},
author = {Hassan Ali and Faiq Khalid and Hammad Tariq and Muhammad Abdullah Hanif and Semeen Rehman and Rehan Ahmed and Muhammad Shafique},
journal= {arXiv preprint arXiv:1811.01443},
year = {2020}
}