DeepFool: Um Método Simples e Preciso para Enganar Redes Neurais Profundas

As redes neurais profundas de ponta alcançaram resultados impressionantes em muitas tarefas de classificação de imagens. No entanto, essas mesmas arquiteturas demonstraram ser instáveis a pequenas perturbações bem buscadas nas imagens. Apesar da importância desse fenômeno, não foram propostos métodos efetivos para calcular com precisão a robustez dos classificadores profundos de ponta a tais perturbações em grandes conjuntos de dados. Neste artigo, preenchemos essa lacuna e propomos o algoritmo DeepFool para calcular eficientemente perturbações que enganam redes profundas, e assim quantificar de forma confiável a robustez desses classificadores. Resultados experimentais extensivos mostram que nossa abordagem supera métodos recentes na tarefa de computar perturbações adversariais e tornar classificadores mais robustos.