Feb, 2018
Lipschitz-Margin 训练：深度神经网络扰动不变的可扩展认证
Lipschitz-Margin Training: Scalable Certification of Perturbation
Invariance for Deep Neural Networks
TL;DR针对神经网络模型在输入数据遭到恶意篡改时的高敏感度，提出一种能够证明防御网络免受攻击的模型的构建方法，通过计算Lipschitz常数与预测边界之间的关系，提出一种计算有效的对不同的复杂网络广泛适用的鉴别器大小的方法，并提出一种有效的训练程序，提高数据点周围可证明的保护区域和网络的鲁棒性。