基于超宽带信道冲激响应的测试时对抗检测与鲁棒性方法用于人体定位
机器学习
2022-11-14 v1 人工智能
摘要
汽车中的无钥匙进入系统正采用神经网络对其操作者进行定位。使用测试时对抗防御可使此类系统具备在不依赖对抗样本先验训练的情况下抵御对抗攻击的能力。我们提出了一种测试时对抗样本检测器，通过量化预训练神经网络局部化的中间响应以及辅助 softmax 层的置信度分数来检测输入对抗样本。此外，为使网络具备鲁棒性，我们通过非迭代输入样本裁剪来削弱非相关特征。使用我们的方法，在 15 个对抗扰动等级上，快速梯度符号法（FGSM）的平均性能提升 55.33%，基础迭代法（BIM）和投影梯度法（PGD）均提升 6.3%。
引用
@article{arxiv.2211.05854,
title = {Test-time adversarial detection and robustness for localizing humans using ultra wide band channel impulse responses},
author = {Abhiram Kolli and Muhammad Jehanzeb Mirza and Horst Possegger and Horst Bischof},
journal= {arXiv preprint arXiv:2211.05854},
year = {2022}
}
备注
5 pages, 4 figures, ICASSP Conference