Este artículo estudia la robustez adversarial de los autocodificadores (AE) profundos. Destacamos el problema de que los algoritmos de ataque adversarial existentes siguen siendo subóptimos debido a la naturaleza irreversible de los EA. Específicamente, observamos que los gradientes de pérdida adversarial propagados de vuelta a capas mal acondicionadas se desvanecen. Esto se debe al debilitamiento de la señal de gradiente debido a valores singulares en la matriz jacobiana de estas capas que son aproximadamente cero. Por lo tanto, proponemos la técnica GRILL, que restaura localmente la señal de gradiente en capas mal acondicionadas. Experimentos exhaustivos bajo diversas estructuras de EA y entornos de ataque (ataques específicos de muestra y de propósito general, ataques estándar y adaptativos) demuestran que GRILL mejora significativamente la efectividad de los ataques adversariales, lo que permite una evaluación más rigurosa de la robustez de los EA.
