Oct, 2023
薄冰上的样本：重新评估神经网络的对抗剪枝
Samples on Thin Ice: Re-Evaluating Adversarial Pruning of Neural Networks
Giorgio Piras, Maura Pintor, Ambra Demontis, Battista Biggio
TL;DR神经网络剪枝是一种有效的技术，可以减小网络大小，以提高稀疏性，但会牺牲泛化能力和对抗攻击的鲁棒性。本研究重新评估了三种最先进的对抗剪枝方法，发现它们的鲁棒性被高估，同时发现剪枝后，在接近未剪枝模型决策边界的样本通常被错误分类。通过讨论这一发现，探讨了未来设计更有效的对抗剪枝方法的可能性。