核机器对抗鲁棒性全面分析

核机器（Kernel Machines）在原生状态下比神经网络更具对抗鲁棒性，面对对抗扰动时性能退化更为平缓。一项针对图像与表格分类任务的实证评估，通过白盒与黑盒逃逸攻击检验了核机器、随机特征分类器及递归特征机器（Recursive Feature Machines）的鲁棒性，并提出了针对核机器的近似对抗训练算法。