您当前的位置:

实验室1篇论文被ICML 2022接收

发布时间:2022-05-17

2022年5月15日,实验室共有1篇论文被ICML 2022接收,论文的第一作者是硕士生侯文政。在此热烈祝贺他们及其合作者! ICML的全称是 International Conference on Machine Learning,是机器学习领域的国际顶级会议,2022年中稿率为22%,此次会议将于2022年7月在美国马里兰州•巴尔的摩召开。论文的信息概要介绍如下:

AdAUC: End-to-end Adversarial AUC Optimization Against Long-tail Problems (Wenzheng Hou, Qianqian Xu, Zhiyong Yang, Shilong Bao, Yuan He, Qingming Huang)

深度学习模型容易受到对抗样本的影响。针对这一挑战,对抗训练方法取得了很大进展。通常而言,对抗训练方法认为类别分布是均衡的。然而,长尾数据集在广泛的现实应用中无处不在,其中头类实例数量明显大于尾类。在这种情况下,相比准确率ACC,因为AUC对类分布不敏感,所以AUC是一个更合理的指标。鉴于此,本文探索了以对抗训练的方法来优化AUC。主要的挑战在于,正负样本在AUC优化的目标函数中是紧密耦合的。这导致如果不对数据集进行全面扫描,就无法生成对抗样本。为了解决这一问题,基于凹正则化方法,本文将AUC优化问题转化为鞍点问题,其中目标函数变为instance-wise的函数,从而可以进行端到端的训练。此外,本文还为该训练算法提供了收敛性保证。最后,在三个长尾数据集上的实验结果表明了该算法的性能和对抗鲁棒性。

图 1 模型受到攻击时ACC和AUC变化图。上图代表攻击发生前后的得分排序;下图表示模型受到攻击时嵌入空间中的分数变化。



附件下载: