VectorDefense：以矢量化为对抗样本的一种防御
计算机视觉与模式识别
2018-04-24 v1 密码学与安全
机器学习
摘要
在表示为像素网格的图像上训练深度神经网络，揭示了一种称为对抗样本的有趣现象。受人类如何重构抽象概念的启发，我们尝试将输入位图图像编码为一组紧凑、可解释的元素，以避免被对抗结构所欺骗。我们朝此方向迈出了第一步，通过实验将图像矢量化作为输入变换步骤，以将对抗样本映射回 MNIST 手写数字的自然流形。我们将本方法与最先进的输入变换进行比较，并进一步讨论手工设计与学习型变换防御之间的权衡。
引用
@article{arxiv.1804.08529,
title = {VectorDefense: Vectorization as a Defense to Adversarial Examples},
author = {Vishaal Munusamy Kabilan and Brandon Morris and Anh Nguyen},
journal= {arXiv preprint arXiv:1804.08529},
year = {2018}
}
备注
17 pages, 14 figures