RealCourse直播：对抗环境下的鲁棒机器学习

近年来，对抗机器学习研究领域受到了广泛的关注，比如关注度最高的对抗样本现象，通过修改训练集或测试集的数据来误导分类器的决策，这背后是由于深度神经网络在对抗性环境中鲁棒性较差。 因此，针对对抗环境下机器学习的鲁棒性研究成为近年来深度学习领域的一大重要研究点。本期分享，庞天宇博士带来他将重点介绍他在对抗鲁棒性方面开展的几项工作。 具体内容有： - 最大化马氏距离学习 - 集成多样性学习 - 反交叉熵训练方法