持续学习防御框架

对抗鲁棒

一种融合持续学习与对抗训练的防御方法，用于连续演化攻击场景下的图像识别。

Ting-Chun, Chou · Yu-Cheng, Kuo · Huang, Jhih Yuan · Lee, Weipo

Connection Science 2024

技术优势

模型更轻量

自蒸馏与多教师蒸馏结合，使模型既紧凑又保持性能。

应用场景

• 边缘AI安全：将鲁棒模型部署到边缘设备，防御攻击。
• 对抗性防御：用持续对抗训练应对不断演化的攻击。
• 模型压缩：通过知识蒸馏获得轻量级模型，减少资源占用。