论文推荐:Reliable Evaluation of Adversarial Robustness with an Ensemble of Diverse Parameter-free

ICML 2020 论文推荐:
论文名称:Reliable Evaluation of Adversarial Robustness with an Ensemble of Diverse Parameter-free Attacks
推荐理由:在过去的几年中,针对对抗攻击的防御策略有了显著的发展,但是其进展受到阻碍,是因为对抗防御的评估通常不够准确使得对鲁棒性产生了错误的印象。很多有潜力的防御方案很快可能会被攻破,从而难以确定最新的技术水平。评估中经常遇到的缺陷是攻击的超参数调整不当,梯度混淆或掩蔽。作者首先提出了两个PGD攻击的扩展以克服由于次优步长和目标函数问题造成的失败。然后,作者将他们的新攻击与两个互补的现有攻击相结合,形成了一个无参数,计算可承受且用户无关的攻击组合,以测试对抗的鲁棒性。作者将他们的集成方案应用于最近在机器学习和计算机视觉顶会中发表的论文中的50多种模型。在所有情况下,有一种情况除外,作者达到的鲁棒测试准确度均比这些论文中所报道的要低,通常要超出10%以上,从而确定了一些已经被攻破的防御方案。

论文链接:https://www.aminer.cn/pub/5e5f7c4a91e011df604ecd53/reliable-evaluation-of-adversarial-robustness-with-an-ensemble-of-diverse-parameter-free

会议链接:https://www.aminer.cn/conf/icml2020

订阅了解更多论文信息,定制您的个人科研动态信息流:https://www.aminer.cn/user/notification

#AMiner##论文#
论文推荐:Reliable Evaluation of Adversarial Robustness with an Ensemble of Diverse Parameter-free_第1张图片
论文推荐:Reliable Evaluation of Adversarial Robustness with an Ensemble of Diverse Parameter-free_第2张图片
论文推荐:Reliable Evaluation of Adversarial Robustness with an Ensemble of Diverse Parameter-free_第3张图片

你可能感兴趣的:(AMiner,AMiner会议论文推荐,AMiner论文推荐,人工智能,机器学习,深度学习)