本文提出了一种新颖的重建方法，利用扩散模型来保护机器学习分类器免受对抗性攻击，并且不需要对分类器本身进行任何修改。机器学习模型对微小输入扰动的敏感性使它们容易受到对抗性攻击。虽然基于扩散的方法由于其反向过程缓慢而通常被忽视用于对抗性防御，但本文证明了我们提出的方法提供了针对对抗性威胁的鲁棒性，同时保持了干净的准确性、速度和即插即用兼容性。代码位于：https://github.com/HondamunigePrasannaSilva/DiffDefence。



"点击查看英文标题和摘要"