Adversarial defenses via vector quantization

Zhiyi Dong

doi:10.1016/j.neucom.2025.130703

2025-07-07

PRE

Zhiyi Dong

Yongyi Mao

DOI：10.1016/j.neucom.2025.130703

原文链接

原文求助

摘要

En 中文

对抗攻击对计算机视觉中现代深度神经网络鲁棒性构成重大挑战，防御这些网络对抗对抗攻击已引起密集的研究投入。在各种防御策略中，基于预处理的防御在实践上具有吸引力，因为无需训练受保护的网络。然而，此类方法通常无法达到与其他方法（如对抗训练）相当的水平。本文提出了一种基于预处理的防御新框架，其中使用向量量化器作为预处理器。该框架受随机离散化（“RandDisc”）启发并加以扩展，其理论基础源自率失真理论：实际上，RandDisc可被视为标量量化器，而率失真理论表明此类量化方案劣于向量量化。在本框架中，预处理向量量化器将输入图像视为一组图像块，并根据图像块分布找到一组“代表块”；然后根据每个原始图像块附近的代表块对其进行修改。

期刊

Neurocomputing

IF:

6.5

论文数:

2.5W

被引数:

6.5W

机构

暂无机构信息

引用论文

Vector Quantization and Signal Compression

IF0

1992-01-01

PREAI

Allen Gersho; Robert M. Gray

ImageNet Large Scale Visual Recognition Challenge ImageNet大规模视觉识别挑战

INTERNATIONAL JOURNAL OF COMPUTER VISION

IF9.3

2015-04-11

2.7W

PREAI

Russakovsky, Olga; Deng, Jia; Su, Hao; Krause, Jonathan; Satheesh, Sanjeev; Ma, Sean; Huang, Zhiheng; Karpathy, Andrej; Khosla, Aditya; Bernstein, Michael; Berg, Alexander C.; Fei-Fei, Li

An Efficient Preprocessing-Based Approach to Mitigate Advanced Adversarial Attacks 一种有效的基于预处理的方法来减轻高级对抗性攻击

IEEE TRANSACTIONS ON COMPUTERS

IF3.8

2024-03-01

PREAI

Qiu, Han; Zeng, Yi; Zheng, Qinkai; Guo, Shangwei; Zhang, Tianwei; Li, Hewu

Gradient-based learning applied to document recognition 基于梯度的学习在文档识别中的应用

PROCEEDINGS OF THE IEEE

IF25.9

1998-01-01

3.8W

PREAI