VIP内容

尽管神经网络在安全设置(如恶意软件检测)方面取得了相当大的成功,但事实证明,这种模型很容易受到规避攻击,即攻击者对输入(如恶意软件)稍加改变以绕过检测。我们提出了一种新的方法——傅里叶稳定,用于设计具有二值输入的规避鲁棒神经网络。这种方法与其他形式的防御方法是互补的,它用傅里叶分析工具推导出的健壮的类似物取代了单个神经元的权重。神经网络中稳定神经元的选择是一个组合优化问题,我们提出了几种近似求解方法。我们提供了一个由傅里叶稳定引起的每个神经元精度下降的正式界限,并通过实验证明了所提出的方法在几个检测设置中增强神经网络的鲁棒性的有效性。此外,我们还表明,我们的方法可以有效地与对抗性训练相结合。

https://www.zhuanzhi.ai/paper/7abfe62872f67236e2292f1ff2c4f7b5

成为VIP会员查看完整内容
0
10
Top