既有如此友军，何需 adversary：深度图像分类网络性能与对抗脆弱性同源

深度图像分类网络易受对抗攻击的脆弱性现已广为人知，但人们对其理解尚浅。通过一项新颖的实验分析，我们阐明了关于深度卷积图像分类网络的一些事实，这些事实为其行为及其与对抗问题之间的联系提供了新见解。简言之，这些网络令人瞩目的性能与其易受对抗攻击的脆弱性实为一枚硬币的两面：网络最易受攻击的输入图像空间方向，恰恰是其最初用以实现分类性能所依赖的方向。我们分两步展开这一结论。第一步揭示出各类别往往与特定的图像空间方向相关联。这通过考察网络在沿这些方向进行一维移动时类别分数的输出来证实。这为通用对抗扰动的存在提供了一种新视角。第二步清晰展示了在这些方向所张成的空间内，分类性能与对抗攻击脆弱性之间的紧密耦合。因此，我们的分析化解了准确性与脆弱性之间表面上的矛盾，为大量已有研究提供了新视角，并揭示出构建既准确又鲁棒于对抗攻击的神经网络的深远启示。