qq_43425752的博客

原创 《Localized Randomized Smoothing for Collective Robustness Certification》阅读笔记

旨在为多输出分类器（如图像分割模型）提供集体鲁棒性认证，以应对对抗性攻击的威胁。多输出分类器在实际应用中经常被用于图像分割、节点分类等任务，每个输出可能受到共同输入的干扰，而对抗性攻击能够同时影响多个预测。因此，论文提出一种局部随机平滑Localized Randomized Smoothing方法，使每个输出在多输出分类器的不同输入区域间加入不同强度的噪声，以提高整体的鲁棒性.