《表3 PGD对抗训练前后对相似对抗样本的分类正确率的比较》
(%)
为回答问题4,测试了F+D模型以及额外加入了对抗训练后的AdvT+F+D模型在受到相同攻击下的分类正确率,结果记录在表3中.CIFAR-10和MNIST上的对抗模型训练都使用PGD方法,对抗训练过程中,CIFAR-10数据集下设置PGD的扰动值为0.01~0.05随机采样,MNIST数据集下设置0.05~0.2随机采样.随后测试了与前部分相同参数的FGSM,BIM,MIM和PGD这4种攻击.实验结果表明:在使用对抗训练之后,模型的防御表现进一步提高.其中,使用PGD作为训练中的扩容方式时提高最为明显:CIFAR-10下,准确率都提升了近1倍;而MNIST下,对于0.15扰动攻击,更是近3倍的提高.BIM和MIM除基本原理相似外,与PGD同样使用迭代方法,测试中,防御表现都有一定程度的提高.
图表编号 | XD00153547000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 韦璠、宋云飞、邵明莉、刘天、陈小红、王祥丰、陈铭松 |
绘制单位 | 上海市高可信计算重点实验室(华东师范大学)、上海市高可信计算重点实验室(华东师范大学)、上海市高可信计算重点实验室(华东师范大学)、上海市高可信计算重点实验室(华东师范大学)、上海市高可信计算重点实验室(华东师范大学)、上海市高可信计算重点实验室(华东师范大学)、上海市高可信计算重点实验室(华东师范大学) |
更多格式 | 高清、无水印(增值服务) |