15.2 对抗防御技术：对抗训练、输入转换与认证防御
15.2 对抗防御技术：对抗训练、输入转换与认证防御
深度神经网络因其在关键领域的广泛应用，其安全性至关重要。然而，研究揭示，通过在原始输入上添加人类难以察觉的精心构造的微小扰动，可以生成对抗样本，导致模型以高置信度做出错误预测。这种脆弱性对自动驾驶、身份认证和医疗诊断等高风险应用构成了严重威胁。因此，发展有效的对抗防御技术是构建可信人工智能系统的核心环节。
对抗防御旨在提升模型对对抗样本的鲁棒性。依据其核心思想与介入阶段，主要防御范式可分为三类：在训练阶段提升模型内在鲁棒性的对抗训练；在推理阶段对输入进行净化或变换的输入转换；以及提供理论可证明安全保证的认证防御。这三种范式并非互斥，在实际系统中常被结合使用，以构建纵深防御体系。
15.2.1 对抗训练：构建鲁棒模型的基石
对抗训练是目前最有效、最基础的防御方法之一。其核心思想源于鲁棒优化，将防御问题形式化为一个极小-极大问题，通过将对抗样本显式地纳入训练过程，迫使模型学习在扰动下的稳定特征。
15.2.1.1 理论基础与标准形式
给定一个分类器fθf_\thetafθ（参数为θ\thetaθ）、数据分布D\mathcal{D}D和损失函数L\mathcal{L}L，对抗训练的目标可表述为：
minθE(x,y)∼D[maxδ∈SL(fθ(x+δ),y)] \min_{\theta} \mathbb{E}_{(x,y)\sim\mathcal{D}} \left[ \max_{\delta \in \mathcal{S}} \mathcal{L}(f_\theta(x+\delta), y) \right]θminE(x,y)∼D[δ∈SmaxL(fθ(x+δ),y)]
其中，xxx是原始输入，yyy是其标签，δ\deltaδ是施加的扰动，S\mathcal{S}S是一个约束扰动大小的集合（如∥δ∥∞≤ϵ\|\delta\|_\infty \leq \epsilon∥δ∥∞