KDDSep, 2019
局部对抗训练以增加图像分类的准确性和鲁棒性
Localized Adversarial Training for Increased Accuracy and Robustness in Image Classification
Eitan Rothberg, Tingting Chen, Luo Jie, Hao Ji
TL;DR本文提出一种新的局部对抗性攻击方法用来生成对抗性样本,进而通过在训练集中包含局部对抗性图像来提高分类器鲁棒性和对抗样本的识别率。在 MNIST 和 CIFAR-10 数据集上的评估结果表明,该训练算法可以降低自然图像的准确度损失,并提高抵抗对抗性输入的容忍度。