Mar, 2023

针对单变量时间序列数据的 Wasserstein 对抗样本

PDF
TL;DR提出了基于 Wasserstein 空间的针对时序数据的对抗样本生成方法以及 Wasserstein projected gradient descent 方法，并证明该方法在多个医疗时间序列数据集上具有强大的攻击性能，并提出了一个针对 Wasserstein 对抗样本的防御机制（Wasserstein smoothing）。
adversarial exampleswasserstein spacetime series datawasserstein projected gradient descentcertified robustness
发现论文，激发创造
  • 通过投影 Sinkhorn 迭代的 Wasserstein 对抗样本

    在图像分类中，基于 Wasserstein 距离的威胁模型可以成功攻击传统 CIFAR10 模型，并证明 PGD-based 的对抗训练可以提高对抗精度，进一步开辟了对抗鲁棒性研究的新方向。

    Feb, 2019

  • 更强更快的 Wasserstein 对抗攻击

    该研究论文针对深度模型易受到小型攻击的问题，提出了在 Wasserstein 距离约束下的投影梯度攻击算法和有效的优化算法。该算法不仅收敛更快，而且生成更强的攻击模型，从而提高了模型的鲁棒性。

    Aug, 2020

  • Wasserstein 平滑：对抗 Wasserstein 攻击的可靠鲁棒性保证

    本文提出了第一个具有认证鲁棒性的防御网络，以抵御基于 Wasserstein 度量的对抗攻击，并证明该防御方法在 MNIST 和 CIFAR-10 数据集上能显著提高精度。

    Oct, 2019

  • 改进的图像 Wasserstein 攻击与防御

    本文研究了图像扰动的鲁棒性问题，提出了一种新的基于 Wasserstein 距离的威胁模型，并在此基础上探讨了更强的攻击和防御方法，最后发现当前的 Wasserstein-robust 模型在抵御真实世界中的扰动方面存在的局限性。

    Apr, 2020

  • 集成对抗攻击的高效项目梯度下降

    本文介绍了对抗性样本攻击中的两种方法：PGD 方法和 C&W 方法，针对集成模型的攻击，主张使用改进型 PGD 方法达到更高的攻击效率。

    Jun, 2019

  • Banach Wasserstein GAN

    本研究探索了 Wasserstein 生成对抗网络在巴拿赫空间中引入梯度惩罚后的理论扩展和一些具体选择的基础点，重点关注 Sobolev 范数，并在 CIFAR-10 和 CelebA 中展示了性能提升。

    Jun, 2018

  • 神经网络的 Wasserstein 分布鲁棒性

    对于图像识别任务，深度神经网络易受到针对性攻击，本文使用 Wasserstein 分布鲁棒优化技术重新构建问题模型，并提出了新的攻击算法，包括 FGSM 和 PGD，并给出了对分布威胁模型的渐进估计。

    Jun, 2023

  • 对抗生成模型的 PAC-Bayesian 泛化界限

    本论文在 PAC-Bayesian 理论的基础上扩展了生成模型，并为基于 Wasserstein 距离和总变差距离的模型开发了广义的泛化界限，特别地，本论文提供了新的训练目标，以适用 Wasserstein GANs 和 Energy-Based GANs。

    Feb, 2023

  • 基于 Wasserstein GAN 的人脸超分辨率

    本文比较了在单幅图像超分辨率上使用 Wasserstein 距离和其他训练目标时，各种 GAN 架构的表现，结果表明，带梯度惩罚的 Wasserstein GAN（WGAN-GP）提供了稳定且收敛的 GAN 训练，Wasserstein 距离是衡量训练进展的有效指标。

    May, 2017

  • 对抗样本的统一梯度正则化方法族

    本文提出了一种统一框架来构建抵御对抗样本的强大机器学习模型，并通过梯度正则化方法有效地对代价函数的梯度进行惩罚，从而达到鲁棒性的目的。实验证明，该方法在两个基准数据集上达到了最佳精度。

    Nov, 2015