CVPRMar, 2019
核映射流形减少对抗扰动的影响
A Kernelized Manifold Mapping to Diminish the Effect of Adversarial Perturbations
Saeid Asgari Taghanaki, Kumar Abhishek, Shekoofeh Azizi, Ghassan Hamarneh
TL;DR本研究针对深度卷积模型的线性和非弹性的特点易受到对抗扰动的攻击,提出了一种基于非线性径向基卷积特征映射的方法,通过学习类马氏距离函数,将卷积特征映射到线性分离的流形上来提高深度卷积神经网络对抗扰动的鲁棒性。研究结果表明,该方法可以提高深度卷积神经网络对抗扰动的鲁棒性而不会降低对干净数据的准确性。