AdvRush: 寻找对抗性强大的神经架构

12322AdvRush：寻找对抗性强大的神经架构Jisoo Mok1Byunggook Na1Hyeokjun Choe1Sungroh Yoon1，2，*1韩国首尔国立大学电气与计算机工程系2ASRI、INMC、ISRC和首尔国立大学工程研究所{magicshop1118，skqudrnrnabk，genesis1104，sryoon} @ snu.ac.kr摘要深度神经网络继续以其卓越的性能让世界惊叹。然而，他们的预测很容易被人类无法察觉的对抗性例子所破坏当前提高神经网络对对抗性示例的鲁棒性的努力在这项工作中，我们采取了一个步骤超越训练的权重参数，并考虑设计的问题，ING一个adversarially强大的神经结构具有高的内在鲁棒性。我们提出了AdvRush，一种新的对抗鲁棒性感知神经架构搜索算法，基于独立于训练方法的发现，神经网络的固有鲁棒性可以用其输入损失景观的平滑度来表示通过一个正则化器，有利于候选架构具有更平滑的输入损失景观，AdvRush成功-完全发现了一个对抗性强大的神经架构。随着一个全面的理论动机的广告vRush，我们进行了大量的实验，以证明各种基准数据集上的AdvRush的功效值得注意的是，在CIFAR-10上，AdvRush在标准训练后在FGSM攻击下达到55.91%的鲁棒准确率，在7步PGD对抗训练后在AutoAttack下达到50.04%的鲁棒准确率。1. 介绍深度神经网络在日常应用中的快速增长和集成使得研究人员探索其预测对恶意外部攻击的敏感性。在提出的攻击机制中，对抗性示例[56]特别引起了严重的安全问题，因为它们可能导致神经网络在输入数据中具有人眼无法区分的最轻微扰动的情况下做出错误的预测这* 通信地址：Sungroh Yoon

下载后可阅读完整内容，剩余1页未读，立即下载