{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2023,9,30]]，“日期时间”：“2023-09-30T14:16:01Z”，“时间戳”：1696083361552}，“引用计数”：0，“发布者”：“IOS出版社”，“isbn-type”：[{“值”：“9781643684369”，“类型”：”打印“}，{“数值”：“97 81643684”376“，”type“：”electronic“}]，”license“：[{”start“用法：{“date-parts”：[[2023,9,28]]，“date-time”：“2023-09-28T00:00:00Z”，“timestamp”：1695859200000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“https:\\/creativecommons.org\/licenses\/by-nc\/4.0\/”}]，“content-domain”：{”domain“：[]，“crossmark-restriction”：false}，”short-container-tile“：[]，“published-print”：{“日期部分”：[[2023,9,28]]}，“摘要”:"最近的研究表明，深度网络集成可以通过增加基础模型的深度特征学习多样性来限制对抗可转移性，从而具有更好的对抗鲁棒性。然而，现有的方案大多依赖于梯度正则化的二阶方法，这通常需要大量的计算开销。在本文中，我们提出了一种简单而有效的方法，该方法消除了二阶优化的使用，并显著降低了深度集成网络正则化同步训练的计算复杂性。我们首次通过分析表明，所提出方法的随机正则化可以提高模型的光滑性和深层空间表示学习的特征多样性。我们还表明，该方法能够获得更好的认证鲁棒性增益。这是由于通过对基础网络中的神经元激活进行自适应连续采样而实现的优先特征选择的影响。实验结果表明，在多个图像基准数据集上，与现有的集成模型相比，该方法可以显著提高对抗鲁棒性。通过将随机正则化方法与对抗训练等其他防御范式互补，可以进一步提高集成性能。“，”DOI“：”10.3233\/faia230577“，”type“：”book-chapter“，”created“：{”date-parts“：[2023,9,29]]，”date-time“：”2023-09-29T09:20:36Z“，”timestamp“：1695979236000}，”source“：：[{“给定”：全伟”，“家族”：“吴”，“序列”：“第一”，“隶属关系”：[{“名字”：“东莞理工大学”}]}，{“给定”：“博”，“家庭”：“黄”，“顺序”：“附加”，“附属关系”：[{“姓名”：“香港科技大学”}]}，}“给定的”：“易”，“家人”：“王”，“排序”：“额外”，“从属关系”：“[{”名字“：”东莞理工大学“}]}，{“given”：“Zhiwei”，“family”：“Ke”，“sequence”：“additional”，“affiliation”：[{“name”：“Shenzhen University”}]}ECAI 2023“]，”original-title“：[]，”link“：[{”URL“：”https:\/\/ebooks.iospress.nl\/pdf\/doi\/10.3233\/FAIA230577“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,9,29]]，”date-time“：“2023-09-29T09:20:37Z”，“timestamp”：169599 79237000}，“分数”：1，“资源”：{“主要”：}URL“：”https:\/\/ebooks.iospress.nl\/doi\/10.3233\/FAIA230577“}}，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[2023,9,28]]}，“ISBN”：[“9781643684369”，“978164 3684376”]，“references-count”：0，“URL”：“https:\//doi.org\/10.333\/FAIA230577”，“relation”：{}，“ISSN”：[“0922-6389”，“1879-8314”]，“ISSN-type”：[{“value”：“0922~6389”，“type”:“print”}，{“value”：“1879-8314“，”type“：”electronic“}]，”subject“：[]，”published“：{”date-parts“：[[2023,9,28]]}}}