زیر فضای فعال شبکه های عصبی عمیق تحلیل ساختاری فشرده سازی و حملات خصمانه جهانی

زیر فضای فعال یک روش کاهش مدل شناخته شده در حوزه تعیین کمیت عدم قطعیت است که در این مقاله برای تحلیل ساختار داخلی و آسیب پذیری شبکه های عصبی عمیق به کار گرفته می شود نخست زیر فضای فعال برای شمارش «نورون های فعال» هر لایه میانی استفاده می شود؛ نتایج نشان می دهد تعداد نورون های لازم را می توان از چند هزار به چند ده کاهش داد. این مشاهده به توسعه یک معماری جدید و فشرده تر با نام AsNet میانجامد که با جایگزینی لایه های پایانی شبکه با یک لایه زیر فضای فعال و یک لایه بسط آشوب چند جمله ای پارامترهای مدل را به طور محسوسی کاهش می دهد. دوم، با استفاده از زیر فضای فعال یک بردار حمله خصمانه جهانی افزایشی معرفی می شود که می تواند کل یک مجموعه داده را با احتمال بالا به اشتباه طبقه بندی کند. آزمایش های عددی روی ۱۰-CIFAR نشان می دهد که ASNet می تواند ۲۳٫۹۸ برابر در ذخیره سازی پارامترها و ۷۳۰ برابر در تعداد عملیات ممیز شناور صرفه جویی کند در حالی که بردار حمله خصمانه جهانی مبتنی بر زیر فضای فعال نسبت حمله ای تا ۲۰ بالاتر از رویکردهای موجود به دست می آورد.

کلیدواژه ها:

زیر فضای فعال ، شبکه عصبی عمیق ، فشرده سازی شبکه ، حمله خصمانه ، جهانی ، بسط آشوب چند جمله ای ، تجزیه مقادیر منفرد