神经网络的热带决策边界对对抗攻击具有鲁棒性
机器学习
2024-02-02 v1 密码学与安全
计算机视觉与模式识别
组合数学
摘要
我们引入了一种简单、易于实现且计算高效的热带卷积神经网络架构，该架构对对抗攻击具有鲁棒性。我们利用分段线性神经网络的热带性质，通过将数据嵌入到热带射影环面中的一个单隐藏层中，该层可以添加到任何模型中。我们从理论上研究了其决策边界的几何形状，并通过计算实验展示了其在图像数据集上对抗攻击的鲁棒性。
引用
@article{arxiv.2402.00576,
title = {Tropical Decision Boundaries for Neural Networks Are Robust Against Adversarial Attacks},
author = {Kurt Pasque and Christopher Teska and Ruriko Yoshida and Keiji Miura and Jefferson Huang},
journal= {arXiv preprint arXiv:2402.00576},
year = {2024}
}