Gradient-Feature Alignment

DeepDefense框架增强神经网络对抗攻击的鲁棒性

研究人员推出了一种名为DeepDefense的新框架，旨在增强深度神经网络对抗对抗性攻击的鲁棒性。该方法采用逐层梯度-特征对齐（GFA）正则化来平滑损失景观，使模型对微小、精心设计的输入扰动不那么敏感。实证结果表明，对抗鲁棒性得到了显著改善，使用DeepDefense训练的CNN模型在CIFAR-10等基准测试中，在各种攻击类型下，其性能大幅优于标准的对抗性训练。