IJCAIJun, 2022
利用类别间距离评估机器学习分类器的抗数据篡改能力
Utilizing Class Separation Distance for the Evaluation of Corruption Robustness of Machine Learning Classifiers
Georg Siedel, Silvia Vock, Andrey Morozov, Stefan Voß
TL;DR本研究提出一种基于数据增强的测量方法,可以比较有关分类器在统计干扰下的鲁棒性,结果表明,鲁棒性训练可以通过简单的数据增强来扩展精度。