WRN-28-4

新的ExGrad方法增强了AI模型的对抗性训练

研究人员推出了一种新颖的对抗性训练方法ExGrad，旨在通过显式减去干净梯度分量来提高模型的鲁棒性。该技术从干净输入、对抗性输入和对抗性权重扰动输入构建梯度，然后利用这些梯度解决一个问题，以选择系数来优化裕度响应。在CIFAR-10、CIFAR-100和ImageNet-100等数据集上的实验表明，ExGrad可以比AWP和PGD-AT等现有方法提高干净和对抗性准确率，其性能取决于可调的“仿射半径”参数。