ВЛИЯНИЕ СИНТЕТИЧЕСКИ СГЕНЕРИРОВАННЫХ ДАННЫХ НА УСТОЙЧИВОСТЬ КЛАССИФИКАЦИОННЫХ МОДЕЛЕЙ К СОСТЯЗАТЕЛЬНЫМ АТАКАМ

Аннотация

В данной работе рассматривается, как добавление синтетических данных, сгенерированных GAN-моделью, влияет на обучение и устойчивость классификационной модели. На примере CIFAR-10 было показано, что увеличение объёма обучающей выборки за счёт синтетических данных приводит к незначительному росту точности на “чистых” данных, но не решает проблему уязвимости перед состязательными атаками FGSM и PGD.