arXiv · ML· Arash Vashagh, Roozbeh Razavi-Far·· 17 小时前AI 评分25
学习验证:用于自适应对抗检测的签名引导训练
Learning to Verify: Signature-Guided Training for Adaptive Adversarial Detection
AI 导读
论文提出一种双模型方法,保持原始分类器固定,训练独立验证器评估其预测,以提升对抗检测鲁棒性。 方法利用激活签名引导生成挑战性对抗样本,验证器通过知识蒸馏识别这些样本且保持干净输入性能。实验表明,验证器在L-infinity攻击下显著优于基于置信度和特征的直接攻击检测器,消融研究显示自适应验证器训练是主要增益来源。
来源:arXiv · ML · arxiv.org