B-MTARD

新的双教师方法提高了深度神经网络对抗攻击的鲁棒性

研究人员开发了一种新方法，以提高深度神经网络在对抗攻击下的鲁棒性和准确性。该方法扩展了信息瓶颈蒸馏（IBD）框架，通过引入一个在未损坏数据上训练的额外“干净教师”模型，以及一个在对抗性数据上训练的现有“鲁棒教师”模型。在CIFAR-10和CIFAR-100数据集上的实验结果表明，这种双教师蒸馏方法在干净输入上提高了分类准确性，同时保持了在对抗性样本上的性能，优于以前的IBD方法，并与最先进的技术相媲美。