团结就是力量：利用集成方法提升对抗样本的检测
密码学与安全
2021-11-25 v1
摘要
计算机视觉和深度学习中的一个关键挑战是定义用于检测对抗样本的鲁棒策略。在此，我们提出采用集成方法，利用多个检测器的有效性来挖掘输入数据的不同属性。为此，集成对抗检测器（ENAD）框架整合了基于马氏距离、局部内在维度和单类支持向量机的 SOTA 检测器的评分函数，这些检测器处理深度神经网络的隐藏特征。ENAD 旨在确保计算流程的高度标准化和可重复性。重要的是，在基准数据集、模型和对抗攻击上的广泛测试表明，ENAD 在绝大多数设置下优于所有竞争方法。相对于 SOTA 的提升以及框架内在的通用性（允许轻松扩展 ENAD 以包含任意检测器集合），为集成对抗检测这一新领域奠定了基础。
引用
@article{arxiv.2111.12629,
title = {WFDefProxy: Modularly Implementing and Empirically Evaluating Website Fingerprinting Defenses},
author = {Jiajun Gong and Wuqi Zhang and Charles Zhang and Tao Wang},
journal= {arXiv preprint arXiv:2111.12629},
year = {2021}
}