#368
summarized by : Akihiro FUJII
Towards Evaluating and Training Verifiably Robust Neural Networks
Zhaoyang Lyu, Minghao Guo, Tong Wu, Guodong Xu, Kehuan Zhang, Dahua Lin

どんな論文か？

CROWNは、敵対的攻撃による摂動に対する脆弱性を効率的に計算できるが、大規模なネットワークだと計算コストが非常に大きくなる。この研究ではCROWNを緩和したLBP(linear bound propagation )を提案し、大規模なネットワークに対応しつつ、従来のIBP（Interval Bound Propagation）より優れた性能を獲得した。
placeholder

新規性

先行研究のCROWNを緩和することで、より優れた拡張性をもち、大規模なネットワークにも適用が可能なLBPを開発になった。またLBPは、通常の学習されたネットワークとIBP（Interval Bound Propagation）で学習されたネットワークの両方において、IBPよりも厳しい境界を得るために使用可能。

結果

MNIST、CIFAR-10、Tiny-ImageNetにおいてのL∞頑健性において、SotA性能を獲得した。

その他（なぜ通ったか？等）

https://github.com/ZhaoyangLyu/

このページで利用されている画像は論文から引用しています．