- …
- …
#531
summarized by : hayamizu ryo
どんな論文か？
Frank-Wolfe最適化を用い，敵対的摂動のノルムと損失ランドスケープの幾何学的な関係を導出．この理論と実証実験からこの歪みがCatastrophic Overfitting（CO）の信号として利用できることを示し，適応的Frank-Wolfe敵対的学習法（FW-AT-ADAPT ）に基づく高速敵対的学習アルゴリズムを提案．
新規性
ロバストモデルに対するFrank-Wolfe攻撃は様々なネットワークアーキテクチャにおいて最大の歪みを達成することを実証．Frank-Wolfe攻撃の歪みと攻撃経路に沿った勾配の変化を関連付け，数ステップで計算される攻撃は損失が逓減的に増加することを意味することを導出．
結果
シングルステップATと比較し，優れた頑健性と訓練時間のトレードオフを実現．強力なホワイトボックス攻撃やブラックボックス攻撃に対してマルチステップATとの間のギャップを埋める．
その他（なぜ通ったか？等）
- …
- …