A2: Efficient Automated Attacker for Boosting Adversarial Training

要約

AT (Adversarial Training) によるモデルのロバスト性の大幅な改善に基づいて、パフォーマンスをさらに向上させるためにさまざまなバリアントが提案されています。
よく知られている方法は、AT のさまざまなコンポーネントに焦点を当てています (たとえば、損失関数の設計や追加のラベルなしデータの活用)。
摂動が強いほど、よりロバストなモデルが得られることが一般に認められています。
ただし、より強力な摂動を効率的に生成する方法はまだ見落とされています。
この論文では、トレーニング中にオンザフライで最適な摂動を生成することにより、AT をブーストする A2 と呼ばれる効率的な自動化された攻撃者を提案します。
A2 は、防御モデルと例に対して最適な攻撃者を攻撃者スペースで検索する、パラメータ化された自動化された攻撃者です。
さまざまなデータセットにわたる広範な実験により、A2 が少ない追加コストでより強力な摂動を生成し、さまざまな攻撃に対するさまざまな AT メソッドの堅牢性を確実に向上させることが実証されています。

要約(オリジナル)

Based on the significant improvement of model robustness by AT (Adversarial Training), various variants have been proposed to further boost the performance. Well-recognized methods have focused on different components of AT (e.g., designing loss functions and leveraging additional unlabeled data). It is generally accepted that stronger perturbations yield more robust models. However, how to generate stronger perturbations efficiently is still missed. In this paper, we propose an efficient automated attacker called A2 to boost AT by generating the optimal perturbations on-the-fly during training. A2 is a parameterized automated attacker to search in the attacker space for the best attacker against the defense model and examples. Extensive experiments across different datasets demonstrate that A2 generates stronger perturbations with low extra cost and reliably improves the robustness of various AT methods against different attacks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google