跳到正文
arXiv · ML· Chenlong Wei, Hanling Wang, Chong Zhang, Qinkai Yu, Fangyu Wu, Xiaobo Jin·· 9 天前AI 评分20

基于 Fisher 几何的结构化置信度扰动用于对抗训练

Structured Confidence Perturbation via Fisher Geometry for Adversarial Training

AI 导读

为了解决对抗训练中仅增大损失但未能真正改变模型置信度结构的“伪攻击”问题,提出了一种基于 Fisher 几何的结构化置信度扰动方法。 该方法包含混合目标函数与几何重构两种互补途径,理论分析表明最优扰动方向与 Fisher 信息矩阵的主特征向量对齐,并设计了避免高维矩阵计算的高效算法。 在多个数据集和模型架构上的实验表明,该方法在对抗鲁棒性和鲁棒可迁移性方面优于现有方法,在结构扰动方面表现尤为突出。

来源:arXiv · ML · arxiv.org