論文の概要: RL-FAT: Reinforcement Learning for Fair Adversarial Training

• arxiv url: http://arxiv.org/abs/2608.29247v1
• Date: Sat, 29 Aug 2026 13:03:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.898715
• Title: RL-FAT: Reinforcement Learning for Fair Adversarial Training
• Title（参考訳）: RL-FAT:公正な対人訓練のための強化学習
• Abstract要約: 深いニューラルネットワークは、敵の摂動に対して非常に脆弱である。 対人訓練(AT)は、堅牢性を改善するために広く使われているアプローチである。 強化学習に触発された公正な対人訓練フレームワークである textbfRL-FAT を提案する。
• 参考スコア（独自算出の注目度）: 18.400208887365732
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep neural networks remain highly vulnerable to adversarial perturbations, and adversarial training (AT) has become a widely used approach for improving robustness. However, improvements in average robust accuracy often mask substantial class-wise disparities: while some classes become more robust, others may remain disproportionately vulnerable under attack. This imbalance raises an important adversarial fairness concern, particularly in vision tasks where reliable robustness is expected across all categories. To address this challenge, we propose \textbf{RL-FAT}, a reinforcement-learning-inspired fair adversarial training framework that uses policy-gradient based feedback from adversarial predictions. RL-FAT interprets the prediction distribution as a policy and combines correctness-based prediction rewards with class-wise value estimates to compute class-specific advantages for policy-gradient optimization. This enables the model to adaptively focus on class-wise misclassification. Furthermore, we introduce a fairness-emphasis adversarial loss that assigns stronger training pressure to classes with high adversarial loss, thereby mitigating class-wise robustness disparity. By combining reinforcement-driven adaptation with fairness-emphasis regularization, RL-FAT improves adversarial robustness while promoting a more balanced robustness distribution across classes. Extensive experiments demonstrate that our method achieves competitive robust accuracy and substantially reduces class-wise robustness imbalance compared with standard adversarial training baselines.
• Abstract（参考訳）: 深いニューラルネットワークは、敵の摂動に対して脆弱なままであり、敵のトレーニング(AT)は堅牢性を改善するために広く使われているアプローチとなっている。 しかしながら、平均的ロバストな精度の改善は、かなりクラスの格差を隠蔽することが多く、あるクラスはより堅牢になる一方、他のクラスは攻撃下で不均等に脆弱である。 この不均衡は、特にすべてのカテゴリーで信頼性の高い堅牢性が期待される視覚タスクにおいて、重要な敵の公正性に関する懸念を提起する。 この課題に対処するために,政策の漸進的なフィードバックを相手の予測から利用した,強化学習に触発された公正な対人訓練フレームワークである \textbf{RL-FAT} を提案する。 RL-FATは、予測分布をポリシーとして解釈し、正当性に基づく予測報酬をクラスワイドな値推定と組み合わせ、ポリシー勾配最適化のためのクラス固有の利点を計算する。 これにより、モデルはクラスレベルの誤分類に適応的にフォーカスすることができる。 さらに,高い対向損失を有するクラスに対してより強いトレーニング圧力を付与するフェアネス・エンハンシス対向損失を導入し,クラスレベルでの頑健さの相違を緩和する。 RL-FATは、強化駆動適応とフェアネス・エンハンシス正規化を組み合わせることにより、クラス間のよりバランスの取れたロバスト性分布を促進しながら、対向ロバスト性を改善する。 大規模な実験により,本手法は競争力の強い精度を達成し,標準対向訓練ベースラインと比較してクラスワイドの頑健さのバランスを著しく低減することが示された。

関連論文リスト

• Doubly Robust Instance-Reweighted Adversarial Training [107.40683655362285]
  本稿では,2重のインスタンス再重み付き対向フレームワークを提案する。 KL偏差正規化損失関数の最適化により重みを求める。 提案手法は, 平均ロバスト性能において, 最先端のベースライン法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-08-01T06:16:18Z)
• Improving Adversarial Robustness with Self-Paced Hard-Class Pair Reweighting [5.084323778393556]
  標的外攻撃による敵の訓練は 最も認知されている方法の1つです 自然に不均衡なクラス間のセマンティックな類似性により、これらのハードクラスのペアが互いに仮想的なターゲットになる。 モデル最適化における重み付きハードクラスペアの損失について提案し、ハードクラスからの識別的特徴の学習を促す。
  論文  参考訳（メタデータ） (2022-10-26T22:51:36Z)
• Learning Sample Reweighting for Accuracy and Adversarial Robustness [15.591611864928659]
  本稿では,クラス条件付きマージンの概念に基づいて,個々のトレーニングサンプルによる損失の軽減を学習する,新たな逆トレーニングフレームワークを提案する。 我々の手法は、関連する手法や最先端のベースラインと比較して、クリーンかつ堅牢な精度を一貫して改善する。
  論文  参考訳（メタデータ） (2022-10-20T18:25:11Z)
• Strength-Adaptive Adversarial Training [103.28849734224235]
  対戦訓練(AT)は、敵データに対するネットワークの堅牢性を確実に改善することが証明されている。 所定の摂動予算を持つ現在のATは、堅牢なネットワークの学習に制限がある。 本稿では,これらの制限を克服するために,emphStrength-Adaptive Adversarial Training (SAAT)を提案する。
  論文  参考訳（メタデータ） (2022-10-04T00:22:37Z)
• Improving Robust Fairness via Balance Adversarial Training [51.67643171193376]
  対人訓練 (AT) 法は, 対人攻撃に対して有効であるが, 異なるクラス間での精度と頑健さの相違が激しい。 本稿では,頑健な公正性問題に対処するために,BAT(Adversarial Training)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T14:44:48Z)
• Enhancing Adversarial Training with Feature Separability [52.39305978984573]
  本稿では,特徴分離性を備えた対人訓練(ATFS)により,クラス内特徴の類似性を向上し,クラス間特徴分散を増大させることができる,新たな対人訓練グラフ(ATG)を提案する。 包括的な実験を通じて、提案したATFSフレームワークがクリーンかつロバストなパフォーマンスを著しく改善することを示した。
  論文  参考訳（メタデータ） (2022-05-02T04:04:23Z)
• Analysis and Applications of Class-wise Robustness in Adversarial Training [92.08430396614273]
  敵の訓練は、敵の例に対するモデルロバスト性を改善するための最も効果的な手法の1つである。 従来の研究は主にモデルの全体的な堅牢性に焦点を当てており、各クラスの役割に関する詳細な分析はいまだに欠落している。 MNIST, CIFAR-10, CIFAR-100, SVHN, STL-10, ImageNetの6つのベンチマークデータセットに対して, 逆トレーニングの詳細な診断を行う。 対戦型学習におけるより強力な攻撃手法は、主に脆弱なクラスに対するより成功した攻撃から、性能の向上を達成することを観察する。
  論文  参考訳（メタデータ） (2021-05-29T07:28:35Z)
• Robust Pre-Training by Adversarial Contrastive Learning [120.33706897927391]
  近年の研究では、敵の訓練と統合されると、自己監督型事前訓練が最先端の堅牢性につながることが示されている。 我々は,データ強化と対向的摂動の両面に整合した学習表現により,ロバストネスを意識した自己指導型事前学習を改善する。
  論文  参考訳（メタデータ） (2020-10-26T04:44:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。