图像识别上的对抗攻击多用途防御
原文中文,约300字,阅读约需1分钟。发表于: 。在这篇论文中,提出了一种多功能的防御方法,只需要训练一个模型就能有效抵抗各种未知的对抗性攻击,并且该模型的分类准确率平均提高至 86%,表现比之前研究中提出的其他防御方法更好。在面对 PGD 攻击和 MI-FGSM 攻击时,多功能防御模型甚至超过了基于这两种攻击训练的特定攻击模型,并且鲁棒性检查显示我们的多功能防御模型在攻击强度下表现稳定。
该论文提出了一种多功能的防御方法,能有效抵抗各种未知的对抗性攻击。该模型的分类准确率平均提高至86%,超过其他防御方法。在面对PGD攻击和MI-FGSM攻击时,多功能防御模型表现优于特定攻击模型,并且在攻击强度下表现稳定。