对抗性强健的Googlenet模型

Question

如何在自己的图像分类数据集上对抗性地训练googlenet模型？

例如：使用cleverhans库，可以批量运行攻击的数据是MNIST和CIFAR。

我使用Tensorflow用自己的数据（Googlenet）训练了图像分类器，现在我想用对抗性示例训练模型。我可以使用cleverhans图书馆做的任何想法。谢谢。

Answer 1

最简单的方法可能是从您自己的代码开始训练GoogleNet并修改其损失。您可以在CleverHans tutorial中找到损失的示例修改，增加了惩罚以训练对抗示例。它使用损失实现found here来定义干净图像的交叉熵和对抗性图像的交叉熵之间的加权平均值。