面向可靠的深度卷积神经网络（CNN）与离群分布学习
密码学与安全
2018-05-17 v2 机器学习
摘要
在使用深度 CNN 的安全敏感和安全关键系统中，检测和拒绝对抗样本至关重要。在本文中，我们提出一种通过离群分布学习增强 CNN 的方法，以通过拒绝对抗样本来降低误分类率。我们经验性地表明，我们增强的 CNN 能够拒绝或正确分类大多数使用知名方法生成的对抗样本（MNIST 上平均 >95%，CIFAR-10 上平均 >75%）。此外，我们在无需使用任何特定类型对抗样本训练且不明显牺牲模型在干净样本上准确率（< 4%）的情况下实现了这一点。
引用
@article{arxiv.1804.08794,
title = {Towards Dependable Deep Convolutional Neural Networks (CNNs) with Out-distribution Learning},
author = {Mahdieh Abbasi and Arezoo Rajabi and Christian Gagné and Rakesh B. Bobba},
journal= {arXiv preprint arXiv:1804.08794},
year = {2018}
}