面向 RNN 鲁棒性验证的紧凑截断矩形棱柱近似
机器学习
2025-11-18 v1
摘要
鲁棒性验证是一种为 RNN 证明其鲁棒性的有前景技术。关键挑战在于用线性约束对非线性激活函数进行过度逼近，从而将验证问题转化为可有效求解的线性规划问题。现有方法逐个对非线性部分采用线性边界平面进行逼近，可能导致显著的过估，导致验证准确率较低。本文提出一种由两个线性松弛平面和一种导向修正的方法构成的紧凑截断矩形棱柱，以紧密包围由哈达巴尔积产生的三维非线性曲面，从而实现更紧的逼近。基于此近似，我们实现了一个原型级 DeepPrism 用于 RNN 鲁棒性验证。实验结果表明，DeepPrism 在各种任务中（包括图像分类、语音识别和情感分析）相较于最新方法具有显著改进。
引用
@article{arxiv.2511.11699,
title = {Tighter Truncated Rectangular Prism Approximation for RNN Robustness Verification},
author = {Xingqi Lin and Liangyu Chen and Min Wu and Min Zhang and Zhenbing Zeng},
journal= {arXiv preprint arXiv:2511.11699},
year = {2025}
}