文件名称：matlab精度检验代码-macer:MACER：最大化认证半径
文件大小：204KB
文件格式：ZIP
更新时间：2024-06-10 18:53:34
系统开源
matlab精度检验代码MACER：通过最大化认证半径，实现无攻击且可扩展的强大培训 在ICLR 2020中。 关联： 我们提出的算法MACER在Cifar-10，ImageNet，MNIST和SVHN的平均认证半径和训练速度上均胜过所有现有的L2防御。 此外，我们的方法不依赖于任何特定的攻击策略，这使其与对抗训练大不相同。 我们的方法还可以扩展到各种现实世界数据集上的现代深度神经网络。 介绍 MACER是一种无攻击且可扩展的鲁棒训练算法，它通过最大化CErtified半径来训练可证明的鲁棒模型。 认证半径是通过耐用性认证方法提供的。 在这项工作中，我们使用来获得认证的半径。 因为MACER是无攻击的，所以它训练的模型可以证明是可靠的，也就是说，它们可以抵御认证区域中的任何可能的攻击。 此外，通过避免耗时的攻击迭代，MACER的运行速度比对抗训练快得多。 我们进行了广泛的实验，以证明MACER比最新的对抗训练花费的训练时间更少，并且学习的模型可获得更大的平均认证半径。 资料库概述 文件 描述 main.py 主列和测试文件 macer.py MACER算法 model.py 网络架构
【文件预览】：
macer-master
----.gitignore(1KB)
----README.md(9KB)
----macer.py(2KB)
----visualize()
--------plotcurves.m(852B)
----main.py(7KB)
----model.py(4KB)
----img()
--------result.png(148KB)
--------ablation.png(52KB)
----requirements.txt(107B)
----rs()
--------core.py(5KB)
--------certify.py(4KB)