Core Concepts
적대적 훈련 하에서 강건한 신경 구조를 탐색하기 위한 벤치마크, 이론적 분석 및 향후 방향 제시
Abstract
이 논문은 적대적 훈련 하에서 강건한 신경 구조를 탐색하기 위한 두 가지 주요 기여를 제시한다.
첫째, 이미지 데이터셋에서 NAS-Bench-201 탐색 공간의 6,466개 신경망 구조에 대한 깨끗한 정확도와 강건한 정확도를 포함하는 포괄적인 데이터셋인 NAS-RobBench-201을 공개한다.
둘째, 딥러닝 이론의 신경 접선 커널(NTK) 도구를 활용하여, 다중 목표 적대적 훈련 하에서 깨끗한 정확도와 강건한 정확도에 대한 일반화 이론을 수립한다. 이를 통해 강건한 구조 탐색을 위한 이론적 기반을 제공한다.
전반적으로, 이 연구는 신뢰할 수 있는 재현성, 효율적인 평가 및 이론적 기반을 통해 강건한 구조 탐색 분야에서 NAS 커뮤니티에 크게 기여할 것으로 기대된다.
Stats
6,466개의 고유한 신경망 구조에 대해 3개의 데이터셋(CIFAR-10/100, ImageNet-16-120)에서 적대적 훈련 수행
총 107,000 GPU 시간이 소요되어 벤치마크 구축
Quotes
"최근 신경 구조 탐색(NAS)에 대한 발전은 악의적인 데이터에 대한 강건한 구조의 중요성을 강조하고 있다."
"그러나 특히 적대적 훈련이 고려될 때, 이러한 강건한 구조에 대한 벤치마크 평가와 이론적 보장이 눈에 띄게 부족하다."