May, 2019
脉冲神经网络对抗鲁棒性的综合分析
A Comprehensive Analysis on Adversarial Robustness of Spiking Neural Networks
Saima Sharmin, Priyadarshini Panda, Syed Shakib Sarwar, Chankyu Lee, Wachirawit Ponghiran...
TL;DR通过对比常规 VGG-9 人工神经网络和等效的 Spiking Neural Network 之间在白盒和黑盒情况下对不同类型单步和多步 FGSM(快速梯度符号法)攻击的准确度降低,证明 SNN 对黑盒攻击更具有韧性。 此外,研究发现 SNN 的鲁棒性很大程度上取决于相应的训练机制。 最后,提出了一个简单而有效的框架,用于从 SNN 中制造对抗性攻击。