Your Location:
Home >
Browse articles >
基于连续扰动生成方法的可持续对抗训练
常规文章 | Updated:2024-04-29
    • 基于连续扰动生成方法的可持续对抗训练

      Enhanced Publication
    • Towards sustainable adversarial training with successive perturbation generation

    • 在防御对抗性攻击和提升卷积神经网络模型鲁棒性方面,利用在线生成的对抗性例子进行对抗训练已展现出令人瞩目的性能。然而,现有方法大多专注于寻找强对抗性例子以迫使模型学习对抗数据分布,这不可避免地导致计算开销大且降低在干净数据上的泛化性能。本文提出了一种渐进式对抗性训练方案,即SPGAT,它通过连续增强对抗性例子的强度并跨训练周期迁移模型,有效提升了模型鲁棒性,同时保持了较低的计算成本。在MNIST、CIFAR-10和CIFAR-100等数据集上的实验结果表明,SPGAT在效率和性能上均优于现有方法,例如,其计算时间仅为标准对抗训练的22%,且在对抗准确率和干净准确率上分别提升了7%和3%。这一研究为提升神经网络模型鲁棒性提供了新的思路和方法。
    • 信息与电子工程前沿(英文)   2024年25卷第4期 页码:527-539
    • DOI:10.1631/FITEE.2300474    

      中图分类号: TP391.1
    • 纸质出版日期:2024-04-0

      收稿日期:2023-07-12

      录用日期:2023-10-08

    Scan QR Code

  • 林巍, 廖丽娟. 基于连续扰动生成方法的可持续对抗训练[J]. 信息与电子工程前沿(英文), 2024,25(4):527-539. DOI: 10.1631/FITEE.2300474.

    WEI LIN, LICHUAN LIAO. Towards sustainable adversarial training with successive perturbation generation. [J]. Frontiers of information technology & electronic engineering, 2024, 25(4): 527-539. DOI: 10.1631/FITEE.2300474.

  •  
  •  

0

浏览量

54

Downloads

0

CSCD

>
文章被引用时,请邮件提醒。
Submit
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

Domain adaptation in reinforcement learning: a comprehensive and systematic study
Advances and challenges in artificial intelligence text generation
A disk failure prediction model for multiple issues
Data-driven soft sensors in blast furnace ironmaking: a survey
Machine learning based altitude-dependent empirical LoS probability model for air-to-ground communications

相关作者

Mohammad TESHNEHLAB
Arash SHARIFI
Mitra MIRZAREZAEE
Amirfarhad FARHADI
李冰
杨鹏
孙元康
胡中坚

相关机构

KN图什理工大学控制工程学院
伊斯兰阿扎德大学计算机工程系
东南大学计算机网络和信息集成教育部重点实验室
东南大学计算机科学与工程学院
浪潮电子信息产业股份有限公司
0