Detecting Adversarial Samples Using Influence Functions and Nearest Neighbors
Detecting Adversarial Samples Using Influence Functions and Nearest Neighbors
复制标题
使用影响函数和最近邻居检测对抗性样本
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
Guillermo Sapiro
中科院分区：
文献类型：
--
作者：
Gilad Cohen;Guillermo Sapiro
本文提出了一种新的对抗图像的反应式检测方法：最近邻干扰函数（NNIF）。我们的检测器利用Koh和Liang [2017]中所示的干扰函数算法来测量每个训练样本对测试样本预测的贡献。他们的算法总结在算法1中。为了测量训练样本z对特定测试样本z测试损失的影响，Koh和Liang [2017]近似于此项：
The main paper proposes a new reactive detection method for adversarial images: the Nearest Neighbors Influence Functions (NNIF). Our detector utilizes a influence functions algorithm as shown in Koh and Liang [2017] to measure the contribution of each training sample to a test samples prediction. Their algorithm is summarized in Algorithm 1. For measuring the influence a train sample z has on the loss of a specific test sample z test , Koh and Liang [2017] approximate this term:
DOI：
10.1609/aaai.v32i1.11302
发表时间：
2017-09
期刊：
ArXiv
影响因子：
--
作者：
Pin-Yu Chen;Yash Sharma;Huan Zhang;Jinfeng Yi;Cho-Jui Hsieh
通讯作者：
Pin-Yu Chen;Yash Sharma;Huan Zhang;Jinfeng Yi;Cho-Jui Hsieh