对抗鲁棒性更强
通过保持样本间拓扑结构一致性来提升对抗鲁棒性，优于现有对抗训练方法。
匡华峰 · 刘弘 · 林贤明 · 纪荣嵘
IEEE Transactions on Information Forensics and Security 2024
TAAT 鼓励模型在自然样本和对抗样本的特征空间中维持拓扑结构一致性，从而学到更本质的表示。
引入知识引导训练方案，显式对齐局部 logit 输出与全局拓扑结构，并借助鲁棒辅助模型稳定训练过程。
在 CIFAR 和 ImageNet 上对 PGD-attack 和 AutoAttack 等先进攻击均表现出优于先前最先进方法的鲁棒性。