典型文献
一种用于智能汽车的硬件友好对抗样本在线防御方法
文献摘要：
提出了一种针对对抗样本攻击的硬件友好的在线防御方法.该方法由三部分组成,一个使用自编码器作为检测器来逼近自然样本流形分布的广谱检测算法,一个适用于深度神经网络(Deep Neural Network,DNN)瓷片加速器架构的高效层调度方案以减少数据访问开销,以及一个软硬件协同设计方法以达到检测精度和算法开销的平衡.试验表明,基于自编码器的广谱在线检测方法能够达到与已有算法相当的检测精度,提出的层调度方案将推理网络与检测器耦合的联合网络的DRAM访问量减少了43％,进而降低了能耗,提高了吞吐量.此外,软硬件协同设计方法在保证检测精度不降低的情况下,将耦合网络的能耗和运行时间分别降低了58％和54％.
文献关键词：
神经网络;对抗样本攻击;在线防御;软硬件协同设计
中图分类号：
作者姓名：
范仁昊;庞猛;王明羽;李明钊;张悠慧;李兆麟
作者机构：
清华大学计算机科学与技术系,北京 100084;中山大学微电子科学与技术学院,广州 510275;无锡太昊慧芯微电子有限公司,江苏,无锡 214063
文献出处：
引用格式：
[1]范仁昊;庞猛;王明羽;李明钊;张悠慧;李兆麟-.一种用于智能汽车的硬件友好对抗样本在线防御方法)[J].汽车工程学报,2022(05):583-592
A类：
在线防御
B类：
智能汽车,防御方法,对对,对抗样本攻击,三部分,自编码器,检测器,逼近,近自然,流形,广谱,检测算法,深度神经网络,Deep,Neural,Network,DNN,瓷片,加速器,调度方案,少数据,数据访问,开销,软硬件协同设计,检测精度,和算,在线检测,DRAM,访问量,吞吐量,不降,耦合网络,运行时间
AB值：
0.329261
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
