دفاع فعال ضد التهديدات بدون تدريب عدائي: نهجNormalization الدفعة

التدريب العدائي هو واحدة من أكثر الطرق فعالية للدفاع ضد الهجمات العدائية، لكنه مكلف حسابياً. في هذه الورقة، نقترح دفاع إشارات التهديد (SAD)، وهو خوارزمية دفاع فعالة تتجنب التدريب العدائي من خلال تعديل طفيف لنموذج مُنفذ. تتم إضافة خريطة الإشارة إلى المدخلات لتعزيز تلك البكسلات التي تعتبر مهمة لاتخاذ القرارات. تتسبب هذه العملية في تغيير توزيع البيانات الأصلية. ومن المثير للاهتمام، أننا نجد أن هذا التغيير يمكن إصلاحه بشكل فعال فقط عن طريق تحديث إحصائياتNormalization الدفعة باستخدام البيانات المعالجة بدون تدريب إضافي. نتحقق من أن SAD يزيد المسافة المتوسطة بين البيانات المعالجة وحدود القرار المحدثة، ويساهم بشكل كبير في تلطيف المنظر. وبالتالي يمكن أن يدافع النموذج ضد هجمات أقوى ويحسن المتانة. نوضح في التجارب أن النتائج تنطبق على نماذج وبيانات معقدة. تظهر نتائجنا أن SAD متفوق في الدفاع ضد هجمات متنوعة، بما في ذلك الهجمات ذات الصندوق الأبيض والصندوق الأسود على حد سواء.