DEFENSE-GAN: PROTECTING CLASSIFIERS AGAINST ADVERSARIAL ATTACKS USING GENERATIVE MODELS

目录

• 概
• 主要内容

Samangouei P, Kabkab M, Chellappa R, et al. Defense-GAN: Protecting Classifiers Against Adversarial Attacks Using Generative Models.[J]. arXiv: Computer Vision and Pattern Recognition, 2018.

@article{samangouei2018defense-gan:,
title={Defense-GAN: Protecting Classifiers Against Adversarial Attacks Using Generative Models.},
author={Samangouei, Pouya and Kabkab, Maya and Chellappa, Rama},
journal={arXiv: Computer Vision and Pattern Recognition},
year={2018}}

概

本文介绍了一种针对对抗样本的defense方法, 主要是利用GAN训练的生成器, 将样本$x$投影到干净数据集上$\hat{x}$.

主要内容

我们知道, GAN的损失函数到达最优时, $p_{data}=p_G$, 又倘若对抗样本的分布是脱离于$p_{data}$的, 则如果我们能将$x$投影到真实数据的分布$p_{data}$(如果最优也就是$p_G$), 则我们不就能找到一个防御方法了吗?

对于每一个样本, 首先初始化$R$个随机种子$z_0^{(1)}, \ldots, z_0^{(R)}$, 对每一个种子, 利用梯度下降($L$步)以求最小化

$$\tag{DGAN} \min \quad \|G(z)-x\|_2^2,$$

其中$G(z)$为利用训练样本训练的生成器.

得到$R$个点$z_*^{(1)},\ldots, z_*^{(R)}$, 设使得(DGAN)最小的为$z^*$, 以及$\hat{x} = G(z^*)$, 则$\hat{x}$就是我们要的, 样本$x$在普通样本数据中的投影. 将$\hat{x}$喂入网络, 判断其类别.

另外, 作者还在实验中说明, 可以直接用$\|G(z^*)-x\|_2^2 \frac{<}{>} \theta$ 来判断是否是对抗样本, 并计算AUC指标, 结果不错.

注: 这个方法, 利用梯度方法更新的难处在于, $x \rightarrow \hat{x}$这一过程, 包含了$L$步的内循环, 如果直接反向传梯度会造成梯度爆炸或者消失.