Charles Meyers

新框架以更低的成本优化硬件以实现对抗鲁棒性

开发了一个新框架，以帮助优化对抗鲁棒机器学习系统的硬件和超参数选择。该框架使用加速失效时间（AFT）模型来量化硬件选择、批次大小和训练轮次等因素对模型生存时间的影响。实验表明，与V100相比，Nvidia L4 GPU在更低的成本下显著提高了对抗生存时间，这表明昂贵的硬件不总是提高鲁棒性所必需的。研究还发现，推理延迟比训练时间或硬件配置更能预测对抗鲁棒性。