基于數(shù)據(jù)增強(qiáng)和標(biāo)簽噪聲的快速對抗訓(xùn)練方法

摘要： 對抗訓(xùn)練（AT）是保護(hù)分類模型免受對抗性攻擊的有效防御方法；然而，在訓(xùn)練過程中生成強(qiáng)對抗樣本的高成本可能導(dǎo)致大量的額外訓(xùn)練時間。為了突破這一限制，探索基于單步攻擊的快速對抗訓(xùn)練（FAT）。以往的工作從樣本初始化、損失正則化和訓(xùn)練策略等不同角度改進(jìn)了FAT；然而，在處理大擾動預(yù)算時會遇到災(zāi)難性過擬合（CO）。因此，提出一種基于數(shù)據(jù)增強(qiáng)與標(biāo)簽噪聲的FAT方法。首先，對原始樣本執(zhí)行多... （共10頁）