Nov, 2020
自适应攻击下的三维点云分类对抗鲁棒性
On Adversarial Robustness of 3D Point Cloud Classification under Adaptive Attacks
Jiachen Sun, Karl Koenig, Yulong Cao, Qi Alfred Chen, Z. Morley Mao
TL;DR本研究对点云分类领域中对抗攻击的防御措施进行了安全分析,指出固定池化方法(如 MAX 池化)通常会削弱对抗训练的有效性,提出 DeepSym(一种基于排序的参数化池化方法)来提高模型的鲁棒性。架构实验结果显示,在 AT 下,DeepSym 的鲁棒性达到 47.0%,优于原始设计和强基线分别 28.5%(2.6x)和 6.5%,而不牺牲准确率。