再讀快速梯度符號(hào)方法(FGSM)

2022-02-04

Sec. 3: THE LINEAR EXPLANATION OF ADVERSARIAL EXAMPLES

Consider the dot product between a weight vector w and an adversarial example \tilde{x}: w^T\tilde{x}=w^Tx+w^T\eta The adversarial perturbation causes the activation to grow by w^T\eta. We can maximize this increase subject to the max norm constraint on \eta by assigning \eta=\text{sign}(w).

  1. 這里漱牵,如果\eta=\text{sign}(w),怎能滿(mǎn)足\Vert\eta\Vert_{\infty}<\epsilon黔夭?從下文來(lái)看應(yīng)該是\eta=\epsilon \cdot \text{sign}(w).
    If w has n dimensions and the average magnitude of an element of the weight vector is m, then the activation will grow by \epsilon m n.
  2. 這里的目標(biāo)優(yōu)化式應(yīng)為:\max_{w}{w^T\eta} \ \ \text{s.t.} \ \ \Vert\eta\Vert_{\infty}<\epsilon 由于須滿(mǎn)足\Vert\eta\Vert_{\infty}<\epsilon寇损,那么\eta的最大值最大只能為\epsilon了一膨;同時(shí),為了最大化w^T\eta,需要保證\eta的符號(hào)與w一致优构,因此,\eta=\epsilon \cdot \text{sign}(w)雁竞。

注:什么是Max norm constraints钦椭?下面是來(lái)自CS231n課程的答案:
Max norm constraints. Another form of regularization is to enforce an absolute upper bound on the magnitude of the weight vector for every neuron and use projected gradient descent to enforce the constraint. In practice, this corresponds to performing the parameter update as normal, and then enforcing the constraint by clamping the weight vector \vec{w} of every neuron to satisfy \Vert\vec{w}\Vert_{2}. Typical values of c are on orders of 3 or 4. Some people report improvements when using this form of regularization. One of its appealing properties is that network cannot “explode” even when the learning rates are set too high because the updates are always bounded.

Sec 4: LINEAR PERTURBATION OF NON-LINEAR MODELS

Let \theta be the parameters of a model, x the input to the model, y the targets associated with x (for machine learning tasks that have targets) and J(\theta; x; y) be the cost used to train the neural network. We can linearize the cost function around the current value of \theta, obtaining an optimal max-norm constrained perturbation of
\eta=\epsilon \cdot \text{sign} \left( \nabla_{x} J(\theta; x; y) \right) 這里,有如下幾個(gè)問(wèn)題:

  1. 為什么是對(duì)x求導(dǎo)呢碑诉?因?yàn)槲覀円獢_動(dòng)的是x.
  2. 在Sec. 3中是取w\text{sign}彪腔,這里為什么是取\nabla_{x} J(\theta; x; y)\text{sign}?可以簡(jiǎn)單的理解為:如果是線(xiàn)性分類(lèi)器的話(huà)进栽,\nabla_{x} J(\theta; x; y)的結(jié)果就是參數(shù)w德挣。
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市快毛,隨后出現(xiàn)的幾起案子格嗅,更是在濱河造成了極大的恐慌番挺,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,561評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件屯掖,死亡現(xiàn)場(chǎng)離奇詭異玄柏,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)贴铜,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,218評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)禁荸,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人阀湿,你說(shuō)我怎么就攤上這事赶熟。” “怎么了陷嘴?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,162評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵映砖,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我灾挨,道長(zhǎng)邑退,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,470評(píng)論 1 283
  • 正文 為了忘掉前任劳澄,我火速辦了婚禮地技,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘秒拔。我一直安慰自己莫矗,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,550評(píng)論 6 385
  • 文/花漫 我一把揭開(kāi)白布砂缩。 她就那樣靜靜地躺著作谚,像睡著了一般。 火紅的嫁衣襯著肌膚如雪庵芭。 梳的紋絲不亂的頭發(fā)上妹懒,一...
    開(kāi)封第一講書(shū)人閱讀 49,806評(píng)論 1 290
  • 那天,我揣著相機(jī)與錄音双吆,去河邊找鬼眨唬。 笑死,一個(gè)胖子當(dāng)著我的面吹牛好乐,可吹牛的內(nèi)容都是我干的匾竿。 我是一名探鬼主播,決...
    沈念sama閱讀 38,951評(píng)論 3 407
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼曹宴,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼搂橙!你這毒婦竟也來(lái)了歉提?” 一聲冷哼從身側(cè)響起笛坦,我...
    開(kāi)封第一講書(shū)人閱讀 37,712評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤区转,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后版扩,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體废离,經(jīng)...
    沈念sama閱讀 44,166評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,510評(píng)論 2 327
  • 正文 我和宋清朗相戀三年礁芦,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了蜻韭。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,643評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡柿扣,死狀恐怖肖方,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情未状,我是刑警寧澤俯画,帶...
    沈念sama閱讀 34,306評(píng)論 4 330
  • 正文 年R本政府宣布,位于F島的核電站司草,受9級(jí)特大地震影響艰垂,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜埋虹,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,930評(píng)論 3 313
  • 文/蒙蒙 一猜憎、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧搔课,春花似錦胰柑、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,745評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至急灭,卻和暖如春姐浮,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背葬馋。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,983評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工卖鲤, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人畴嘶。 一個(gè)月前我還...
    沈念sama閱讀 46,351評(píng)論 2 360
  • 正文 我出身青樓蛋逾,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親窗悯。 傳聞我的和親對(duì)象是個(gè)殘疾皇子区匣,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,509評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容