抗CW攻击提升18%
用相位翻转数据增强与软标签训练结合平衡对抗策略，在信号分类上对抗鲁棒性全面超越PGD方法。
Bao, Zhida · Zhang, Sicheng · Songlin, Yang · 田乔 · 林云
IEEE Transactions on Consumer Electronics 2024
在最强优化型CW攻击下，比PGD对抗训练提升18.12个百分点，防御当前最难抵御的攻击。
平衡原始损失和对抗损失，防止模型只记住对抗样本而丧失干净样本上的性能。
相位翻转数据增强创建多样训练样本，让模型更好地学习对抗扰动模式。