Neural network based image classifier resilient to destructive perturbation influences – architecture and training method

Abstract

The current article develops a model and method of training a classifier that exhibits characteristics of resilience to adversarial attacks, fault injection, and concept drift. The proposed model has a hierarchical structure of prototypes and hyperspherical boundaries of classes formed in the space of high-level features.

Метою статті є розроблення моделі і методу навчання класифікатора, що проявляє характеристики резільєнтності до протиборчих атак, інжекції несправностей та дрейфу концепцій. Запропонована модель має ієрархічну структуру прототипів та гіперсферичні межі класів, що формуються у просторі високорівневих ознак.