search

kino-ngoo / Instapaper_reading

0 stars 0 forks source link

对抗深度学习: 模型准确性与模型鲁棒性能否兼得 #12

Open kino-ngoo opened 6 years ago

kino-ngoo commented 6 years ago

对抗深度学习: 模型准确性与模型鲁棒性能否兼得？
机器之心发布，作者：Dong Su1, Huan Zhang, Hongge Chen , Jinfeng Yi, Pin-Yu Chen。…

August 17, 2018 at 02:58PM
via Instapaper https://ift.tt/2vRPOAh

kino-ngoo commented 6 years ago

在使用对抗攻击来评估鲁棒性的方式中，研究者们使用了目前最好最常用的几种攻击算法，包括 Fast Gradient Sign Method（FGSM）[5]、Iterative FGSM（I-FGSM）[6]、Carlini & Wagner（C&W）算法 [7]，以及 Elastic-Net Attack under L1 norm（EAD-L1）算法 [8]。此外，在独立于攻击的鲁棒性评估方式中，研究者们选用了目前最为有效的 CLEVER Score[4] 来评估深度神经网络的鲁棒性。

kino-ngoo commented 6 years ago