Une Analyse PAC-Bayésienne de la Robustesse Adversariale - Archive ouverte HAL
Communication Dans Un Congrès Année : 2021

Une Analyse PAC-Bayésienne de la Robustesse Adversariale

Résumé

Dans ce papier, nous adaptons le cadre de la robustesse adversariale au cadre PAC-Bayésien connu pour fournir des bornes précises en moyenne sur l'ensemble d'hypothèses (plutôt qu'une analyse en pire cas). Cette approche nous permet de démontrer des bornes en généralisation sur le risque de modèles s'exprimant comme un vote de majorité et estiment à quel point le modèle est invariant aux perturbations imperceptibles de l'entrée. Cette analyse théorique a l'avantage de fournir des bornes générales (i) indépendantes du type de perturbations (i.e., les attaques adversariales), (ii) précises et (iii) et directement minimisable pendant la phase d'apprentissage. Nous démontrons empiriquement que les modèles obtenus sont robustes face à différentes attaques au moment de la classification.
Fichier non déposé

Dates et versions

hal-03328714 , version 1 (30-08-2021)

Identifiants

  • HAL Id : hal-03328714 , version 1

Citer

Guillaume Vidot, Paul Viallard, Emilie Morvant. Une Analyse PAC-Bayésienne de la Robustesse Adversariale. Conférence sur l'Apprentissage automatique (CAp 2021), Equipe Data Intelligence du laboratoire Hubert Curien de Saint-Etienne, Jun 2021, Saint Etienne, France. ⟨hal-03328714⟩
64 Consultations
0 Téléchargements

Partager

More