众所周知，现代的深度神经网络存在着严重的鲁棒性缺陷，容易遭受对抗样本的攻击。如何系统的获得可验证的鲁棒性保证是近年来一个重要的研究方向。
本次分享我们邀请到了北京大学的张博航，为大家介绍他们NeurIPS 2022上的工作：
Rethinking Lipschitz Neural Networks and Certified Robustness: A Boolean Function Perspective（NeurIPS 2022 Oral）
“该工作系统探究了深度学习领域的核心问题：是否能够从模型层面出发，设计出具有天然对抗鲁棒性的神经网络？对于基本的L无穷鲁棒性问题，我们揭示了Lipschitz神经网络的表达能力与其拟合布尔函数能力之间的深刻联系。从这一角度，本文首先指出了标准Lipschitz神经网络表达能力的本质缺陷，并进一步探究了近期所提出的新型网络结构（如L无穷网络）背后的深层次机理。最后，本文提出了一个鲁棒性神经网络的统一框架，称为SortNet（排序网络），该网络结构在CIFAR-10、ImageNet等多个数据集上均取得了SOTA的表现。”
极市直播预告丨NeurIPS 2022 Oral-张博航：如何从模型层面获得对抗鲁棒性保证？
➤论文
Rethinking Lipschitz Neural Networks and Certified Robustness: A Boolean Function Perspective（NeurIPS 2022 Oral）
论文地址：https://arxiv.org/abs/2210.01787
代码地址：https://github.com/zbh2047/sortnet
➤回放视频在这里☟
https://www.bilibili.com/video/BV1FK411q7RK/
➤PPT内容截图（后台回复“极市直播”或点击阅读原文即可获取PPT）
B站：http://space.bilibili.com/85300886#!/
腾讯视频：http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c
往期线上分享集锦：http://m6z.cn/6qIJzE（或直接阅读原文）
如果觉得有用，就请分享到朋友圈吧！
推荐阅读
备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~
觉得有用麻烦给个在看啦~ 
