Campionamento Avversario Calibrato: Un Approccio Bandit per l'Addestramento Avversario Multi-Attacco
Un nuovo articolo su arXiv (2511.12265) introduce il Campionamento Avversario Calibrato (CAS), un metodo per stabilizzare l'addestramento avversario (AT) multi-attacco per reti neurali profonde (DNN). Gli autori riformulano l'AT multi-attacco come un problema di ottimizzazione multi-armed bandit, campionando un singolo attacco per iterazione che bilancia esplorazione e sfruttamento. Ciò riduce il costo di addestramento e mitiga i conflitti di ottimizzazione e la deriva dei parametri. Gli esperimenti mostrano che CAS raggiunge una robustezza complessiva superiore a basso costo computazionale. L'articolo è un annuncio replace-cross, indicando una versione rivista.
Fatti principali
- Articolo arXiv:2511.12265v2, tipo replace-cross.
- Propone il framework Campionamento Avversario Calibrato (CAS).
- Riformula l'addestramento avversario multi-attacco come un problema multi-armed bandit.
- Campiona un attacco per iterazione, bilanciando esplorazione e sfruttamento.
- Riduce il costo di addestramento e controlla la deriva dei parametri.
- Raggiunge una robustezza complessiva superiore negli esperimenti.
- Affronta le inefficienze del calcolo di tutti gli attacchi e del campionamento stocastico.
- Pubblicato su arXiv, non ancora sottoposto a revisione paritaria.
Entità
Istituzioni
- arXiv