Adversarial Attack이 있으니 당연히 Defense 기법도 존재한다. 이번 리뷰에서는 Defense 기법 중 하나인 "Defensive Distillation"을 소개할 것이다. 이 논문은 처음 나왔을 때 많은 사람들에게 관심받으며 차세대 defense 기법으로 각광 받았었다. 지금이야 C&W attack이나 PGD 등 여러 Attack이 등장하고 defensive distillation기법이 깨지면서 무뎌졌지만 말이다. https://arxiv.org/abs/1511.04508 Distillation as a Defense to Adversarial Perturbations against Deep Neural Networks Deep learning algorithms have been s..

이번 리뷰는 Adversarial Examples을 GAN을 사용하여 Defense하는 Defense-GAN에 대한 논문이다. 기존에 GAN에 대해 관심도 가지고 있었는데 이렇게 attack에 GAN을 접목시켜서 Defense를 한다니 흥미롭지 않을 수 없다 ㅎㅎ..살펴보도록 하자! https://arxiv.org/abs/1805.06605 Defense-GAN: Protecting Classifiers Against Adversarial Attacks Using Generative Models In recent years, deep neural network approaches have been widely adopted for machine learning tasks, including classif..

이번에는 한국에서 낸 유명한 GAN논문인 StarGAN을 리뷰할 것이다. https://arxiv.org/abs/1711.09020 StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation Recent studies have shown remarkable success in image-to-image translation for two domains. However, existing approaches have limited scalability and robustness in handling more than two domains, since different models should be bu..

https://arxiv.org/abs/1706.09138 Perceptual Adversarial Networks for Image-to-Image Transformation In this paper, we propose a principled Perceptual Adversarial Networks (PAN) for image-to-image transformation tasks. Unlike existing application-specific algorithms, PAN provides a generic framework of learning mapping relationship between paired images ( arxiv.org 최근 GAN에 많은 관심이 있어서 관련 논문을 차근차근 읽..

요즘 딥러닝과 forier domain 사이의 관계 또는 조합 관련하여 논문을 읽고 있는데, 그 중 흥미로운 논문 하나를 리뷰하려고한다. https://arxiv.org/abs/2108.08487 Amplitude-Phase Recombination: Rethinking Robustness of Convolutional Neural Networks in Frequency Domain Recently, the generalization behavior of Convolutional Neural Networks (CNN) is gradually transparent through explanation techniques with the frequency components decomposition. Howe..