Feb, 2018
神经网络的一阶对抗漏洞与输入维度
First-order Adversarial Vulnerability of Neural Networks and Input Dimension
Carl-Johann Simon-Gabriel, Yann Ollivier, Léon Bottou, Bernhard Schölkopf, David Lopez-Paz
TL;DR该研究旨在探究神经网络在面对针对性但难以察觉的图像扰动时的鲁棒性问题,发现鲁棒性问题与训练目标的输入梯度密切相关,不同网络拓扑的初始敏感度存在差异,输入维度增加时网络对扰动越加脆弱,且这一现象在正常或鲁棒训练后仍持续存在,但该问题可以通过增加规范化来得到缓解。