文件名称：colt:凸层分层对抗训练（COLT）
文件大小：42.74MB
文件格式：ZIP
更新时间：2024-06-17 10:10:41
Python
凸对抗层训练（COLT） 在，COLT是针对对抗性示例的神经网络经过认证的防御。 我们的防御基于对抗训练与现有可证明防御的新颖结合。 关键思想是将神经网络训练建模为一个既包含验证者又包含对手的过程。 在每次迭代中，验证者旨在使用凸松弛来认证网络，而对手则试图在凸松弛内寻找导致验证失败的输入。 根据具有挑战性的CIFAR-10数据集上经过验证的鲁棒性，该方法可产生最新的神经网络。 设置 所有必需的python软件包都列在requirements.txt 。 我们建议通过以下方式在新的虚拟环境中安装软件包： $ virtualenv venv $ source venv/bin/activate $ (venv) pip install -r requirements.txt 此外，我们要求Gurobi 9.0进行认证（免费提供学术许可）。 可以使用以下方法安装Gurobi： $ w
【文件预览】：
colt-master
----scripts()
--------certify_cifar_2_255(1KB)
--------certify_cifar_8_255(2KB)
--------train_cifar10_2_255(605B)
--------train_cifar10_8_255(604B)
----code()
--------milp.py(30KB)
--------attacks.py(6KB)
--------utils.py(3KB)
--------verify.py(16KB)
--------ai()
--------main.py(16KB)
--------args_factory.py(5KB)
--------__init__.py(0B)
--------loaders.py(3KB)
--------learner.py(4KB)
--------layers.py(4KB)
--------args_factory_verifier.py(3KB)
--------refinement.py(5KB)
--------networks.py(3KB)
----requirements.txt(42B)
----trained_models()
--------onnx()
--------cifar10_8_255_convmed_flat_2_4_250.pt(8.15MB)
--------mnist_0.3_convmed_flat_2_4_250.pt(6.3MB)
--------cifar10_2_255_convmedbig_flat_2_2_4_250.pt(8.33MB)
--------mnist_0.1_convmed_flat_2_2_100.pt(1.37MB)
----media()
--------colt.png(27KB)
----LICENSE(11KB)
----README.md(3KB)