【DNN解释算法的攻击与防御课题的研究现状文献综述2800字】_第1页
【DNN解释算法的攻击与防御课题的研究现状文献综述2800字】_第2页
【DNN解释算法的攻击与防御课题的研究现状文献综述2800字】_第3页
【DNN解释算法的攻击与防御课题的研究现状文献综述2800字】_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

DNN解释算法的攻击与防御课题的研究现状文献综述在神经网络模型取得巨大成功的同时，也对DNN解释算法的合理性进行了Adebayo等4受统计随机化检验的启发，在NIPS会议上提出了对模型参数或训随机化部分网络权值而改变。2019年，Heo等5在NIPS会议中提出对抗性的模攻击的成本比较高。在2020年，Lakkaraju等61发表了攻击解释的另一工作，具体是基于MUSE⁷模型提出了一种新的理解和生成误导性解释的理论框架。误导这个解释具有高保真度(解释能高度真实地反映模型)。但是缺点是不能很好地第一层的偏差来消除。对于基于反向传播的算法，这会导致解释的变化。2019差异来改变解释，这表明一些基于梯度的解释算法对输入中的小扰动非常敏感。然而，正如Ghorbani等在讨论部分所提到的，在这种情况下，干扰后的图像会在NIPS会议上提出基于对抗扰动进行攻击，在特定的损失函数约束下，通过对示出预先指定的无关特征。但是和Ghorbani等方法不同的是，他们对扰动图像迭代更新样本的另一种攻击效果便是既改变了预测类别，又改变了解释。的解释，不同于Dombrowsk等16的攻击方法效果，做的是只选择攻击解释的一小部分区域，但他们产生的扰动噪声比较明显，缺乏对噪声的约束。2020年，也能误导解释。他们同时误导预测与解释的原因是基于预测-解释存在差距，即新的脆弱性。因此如何去有效的进行防御或改善解释的性能已刻不容缓。针对本身就包含了预测对输入的梯度，而ReLU只有一阶导，二阶梯度通常为0,因此他们将ReLU替换成Softplus,为了解决改变网络结构需要重训练过程这一问题，2020年，Wang等[201对术来平滑模型边界，从而提高解释器的鲁棒性，但是防御算法只能对2018年，Alvarez等[27开发了一种健壮的方法，称为自解释神经网络[1]GOODMANB,FLAXMANS.EuropeanUnionreganda“righttoexplanation”[J].AImagazine,2017,38(3):50-57.[5]HEOJ,JOOS,MOONT.FoolingneuralnetworkinterpretatioYorkNYUSA,2020:79-85.[8]MITTELSTADTB,RUSSELLC,WACHTERS.ExplaiNeuralInformationProcessingSystems,LongBeach,CA,2017:4765-4774.hocExplanationMethods[C].ProceedingsoftheAAAI/ACMCoSociety,NewYork,NY,USA,2020:180-186.methods[M].Switzerland:Springer,Cham,2019.[14]GHORBANIA,ABIDA,ZOUJ.Interpretationofneuralnetworks

人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论