极市直播预告丨NeurIPS 2022 Oral-张博航：如何从模型层面 ...

新蒲十字街诚信服饰冯小桥

|极市线上分享第107期 |
一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过100位技术大咖嘉宾，并完成了106期极市线上直播分享。
往期分享请前往bbs.cvmart.net/topics/149，也欢迎各位小伙伴自荐或推荐更多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~
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。”
01 直播信息

时间：2022年12月21日（周三）20:00-21:00
主题：如何从模型层面获得对抗鲁棒性保证
直播地址：极市平台视频号、极市平台B站
02 嘉宾介绍



张博航
北京大学博士四年级学生，指导老师是王立威教授。研究方向为深度学习中的基础性问题，如神经网络的表达能力和鲁棒性。在机器学习顶会NeurIPS, ICML, ICLR上以一作身份发表5篇论文。更多信息见个人主页：https://zbh2047.github.io/
03 关于分享

➤分享大纲
1、可验证的鲁棒性背景介绍
2、基于Lipschitz性质的鲁棒性网络设计
3、从布尔函数的角度理解Lipschitz神经网络的表达能力
4、该领域的SOTA网络结构：L无穷距离网络
5、一个统一的框架：排序网络
➤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

真爱维纳斯

鼎力支持！！