Покращення сертифікованої стійкості Randomized Smoothing засобами геометрії розподілів, адаптивних збурень та структурованих моделей шуму

Abstract

Мета роботи – розробка, аналіз та удосконалення методів Randomized Smoothing для підвищення сертифікованої стійкості процесу класифікації нейронних мереж, а також оцінка ефективності цих методів у практичних умовах. Методи дослідження – використано теоретичний аналіз наукових джерел та сучасних підходів до сертифікованої стійкості, математичне моделювання Randomized Smoothing та його модифікацій, статистичні методи оцінки ймовірностей класифікації з використанням методу Монте Карло та інтервальних оцінок, експериментальна перевірка на тестових наборах даних із різними характеристиками та рівнями шуму, порівняльний аналіз різних підходів за критеріями сертифікованого радіуса та точності на чистих даних. Проведено систематизацію методів Randomized Smoothing, визначено їхні переваги та обмеження, розроблено рекомендації щодо оптимального вибору параметра шуму та адаптивних стратегій згладжування, запропоновано комбінації Randomized Smoothing із гібридними підходами.