TAET: Two-Stage Adversarial Equalization Training on Long-Tailed Distributions
Created by
Haebom
Category
Empty
저자
Wang YuHang, Junkang Guo, Aolei Liu, Kaihao Wang, Zaitong Wu, Zhenyu Liu, Wenfei Yin, Jian Liu
개요
본 논문은 실세계 데이터의 긴 꼬리 분포 하에서 심층 신경망의 적대적 강건성을 분석하고, 기존의 적대적 훈련 방법(AT-BSL)의 한계를 지적합니다. 긴 꼬리 분포에서의 강건성을 향상시키기 위해, 초기 안정화 단계와 계층화된 균등화 적대적 훈련 단계를 통합한 새로운 훈련 프레임워크인 TAET를 제안합니다. 또한, 긴 꼬리 분포 하에서의 강건성 평가에 적합한 새로운 지표인 균형 강건성(balanced robustness)을 제시합니다. 실험 결과, TAET는 기존 방어 기법보다 우수한 성능과 효율성을 보임을 보여줍니다.
