RL-FAT

新的RL-FAT框架提高了深度神经网络对抗训练的公平性

研究人员开发了RL-FAT，一个利用强化学习来提高深度神经网络对抗训练公平性的新颖框架。该方法解决了标准对抗训练可能导致不同类别之间鲁棒性差异的问题，使得某些类别特别容易受到攻击。RL-FAT采用策略梯度方法自适应地关注误分类，并结合公平性强调损失，对脆弱类别施加更强的训练压力。实验表明，与传统方法相比，RL-FAT提高了整体鲁棒准确性，同时显著降低了类别鲁棒性不平衡。