面向人工神经网络中对抗样本现象的解释
机器学习
2022-05-27 v1 密码学与安全
摘要
在本文中，我们从收敛性的角度研究对抗样本的存在性与对抗训练，并提供证据表明人工神经网络中的逐点收敛可以解释这些现象。我们提案的主要贡献在于将逃避攻击和对抗训练的目标与学习理论中已定义的概念联系起来。此外，我们扩展并统一了文献中的其他一些提案，并对那些提案中所做的观察提供了替代性解释。通过不同的实验，我们证明了该框架在现象研究中具有价值，并且适用于现实世界的问题。
引用
@article{arxiv.2107.10599,
title = {Towards Explaining Adversarial Examples Phenomenon in Artificial Neural Networks},
author = {Ramin Barati and Reza Safabakhsh and Mohammad Rahmati},
journal= {arXiv preprint arXiv:2107.10599},
year = {2022}
}
备注
submitted to 25th International Conference on Pattern Recognition (ICPR)