10.13718/j.cnki.xsxb.2019.03.015
基于线性迭代的分类器最小扰动评估方法
当数据集包含对抗性扰动样本时,其分类结构缺乏稳定性,传统的扰动评估方法效率低且准确率不高.针对该问题,提出一种高效准确的扰动评估方法.首先,根据样本与分类器间的物理属性,定义样本的对抗性扰动,利用线性迭代方法评估计算二类分类器的鲁棒性;然后,为了适应更加一般的情况,将该方法扩展到更加普遍的多类非线性分类器,即超平面包围的区域变为不规则多面体;最后,标记扰动样本对分类器进行优化调整,并对当前估计进行更新,以进一步提高分类器性能.不同数据集和分类器的实验结果表明:与FGSM方法、L-BFGS方法和未标记方法相比,提出的方法具有更稳定高效的扰动评估性能,且可以构建鲁棒性更高的分类器.
多类非线性分类器、对抗性样本、扰动评估、线性迭代、鲁棒性
44
TP391(计算技术、计算机技术)
四川省自然科学基金项目14ZJ0280;四川省科技攻关项目2014JY0095
2019-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
88-94