Oct, 2023
RAEDiff:基于可逆对抗样本自动生成和自恢复的去噪扩散概率模型
RAEDiff: Denoising Diffusion Probabilistic Models Based Reversible Adversarial Examples Self-Generation and Self-Recovery
Fan Xing, Xiaoyi Zhou, Xuefeng Fan, Zhuo Tian, Yan Zhao
TL;DR通过 DDPM 中的先验知识,将数据集扩散到偏差高斯分布 (BGD) 中,利用 RAEDiff 这种自我生成和自我恢复方法,生成并恢复用于深度神经网络 (DNN) 模型的可逆对抗扰动 (RAEs),实验证明 RAEDiff 可有效自动生成 DNN 模型的对抗扰动,并具有显著的自我恢复能力。