ZK-GanDef：一种基于 GAN 的神经网络零知识对抗训练防御方法
机器学习
2019-04-19 v1 密码学与安全
计算机视觉与模式识别
机器学习
摘要
神经网络分类器已成功应用于广泛领域。然而，其无攻击环境的潜在假设已被对抗样本打破。研究者试图开发防御方法；但现有方案仍远未对这一不断演化的问题提供有效解决。本文设计了一种基于生成对抗网络（GAN）的零知识对抗训练防御，称为 ZK-GanDef，其在训练过程中不消耗对抗样本。因此，ZK-GanDef 不仅训练高效，而且能适应新的对抗样本。与全知识方法相比，这一优势以测试精度轻微下降为代价。我们的实验表明，与零知识方法相比，ZK-GanDef 将对抗样本上的测试精度提升了最高 49.17%。更重要的是，其测试精度接近最先进（SOTA）全知识方法（最大下降 8.46%），同时训练时间大幅减少。
引用
@article{arxiv.1904.08516,
title = {ZK-GanDef: A GAN based Zero Knowledge Adversarial Training Defense for Neural Networks},
author = {Guanxiong Liu and Issa Khalil and Abdallah Khreishah},
journal= {arXiv preprint arXiv:1904.08516},
year = {2019}
}