基于分段线性近似与 Lipschitz 优化的神经网络几何鲁棒性验证
机器学习
2024-09-24 v3 人工智能
计算机视觉与模式识别
摘要
我们解决验证神经网络在输入图像几何变换(包括旋转、缩放、剪切和平移)下的鲁棒性问题。该方法通过采样和线性近似结合分支定界 Lipschitz 优化,计算出对像素值的可保证分段线性约束。该方法比当前最先进的方法获得更紧致的扰动区域过近似。我们报告了在 MNIST 和 CIFAR10 上的全面验证基准实验结果。我们表明,我们提出的实现方案解决的验证案例比现有方法多出最高 32%。
引用
@article{arxiv.2408.13140,
title = {Verification of Geometric Robustness of Neural Networks via Piecewise Linear Approximation and Lipschitz Optimisation},
author = {Ben Batten and Yang Zheng and Alessandro De Palma and Panagiotis Kouvaros and Alessio Lomuscio},
journal= {arXiv preprint arXiv:2408.13140},
year = {2024}
}
备注
ECAI 2024