跳到正文
arXiv · 机器人与计算机视觉· Chenlong Wei, Hanling Wang, Chong Zhang, Qinkai Yu, Fangyu Wu, Xiaobo Jin·· 8 天前AI 评分51

基于 Fisher 几何的结构化置信度扰动用于对抗训练

Structured Confidence Perturbation via Fisher Geometry for Adversarial Training

AI 导读

针对对抗训练中伪攻击导致损失增加却无法改变模型置信度结构的问题,论文提出两种互补方法:一是结合交叉熵和 KL 散度的混合目标以同时破坏预测精度与分布一致性;二是通过最大化置信流形上的分布距离进行几何重构。理论分析表明最优扰动方向对齐 Fisher 信息矩阵的主特征向量,并提出了避免高维矩阵计算的算法。实验显示该方法在多个数据集和架构上优于现有方法,尤其在置信度区域的结构化扰动方面表现突出。

来源:arXiv · 机器人与计算机视觉 · arxiv.org