ترجمه فارسی مقاله Levis: فضاهای ورودی قابل اثبات دقیق برای شبکه های عصبی

چکیده

The robustness of neural networks is paramount in safety-critical applications. While most current robustness verification methods assess the worst-case output under the assumption that the input space is known, identifying a verifiable input space $\mathcal{C}$, where no adversarial examples exist, is crucial for effective model selection, robustness evaluation, and the development of reliable control strategies. To address this challenge, we introduce a novel framework, $\texttt{LEVIS}$, comprising $\texttt{LEVIS}$-$α$ and $\texttt{LEVIS}$-$β$. $\texttt{LEVIS}$-$α$ locates the largest possible verifiable ball within the central region of $\mathcal{C}$ that intersects at least two boundaries. In contrast, $\texttt{LEVIS}$-$β$ integrates multiple verifiable balls to encapsulate the entirety of the verifiable space comprehensively. Our contributions are threefold: (1) We propose $\texttt{LEVIS}$ equipped with three pioneering techniques that identify the maximum verifiable ball and the nearest adversarial point along collinear or orthogonal directions. (2) We offer a theoretical analysis elucidating the properties of the verifiable balls acquired through $\texttt{LEVIS}$-$α$ and $\texttt{LEVIS}$-$β$. (3) We validate our methodology across diverse applications, including electrical power flow regression and image classification, showcasing performance enhancements and visualizations of the searching characteristics.

چکیده به فارسی (ترجمه ماشینی)

استحکام شبکه های عصبی در کاربردهای مهم ایمنی مهم است.در حالی که بیشتر روشهای تأیید استحکام فعلی بدترین حالت را با این فرض که فضای ورودی شناخته شده است ، ارزیابی می کنند ، شناسایی یک فضای ورودی قابل اثبات $ \ Mathcal {C} $ ، جایی که هیچ نمونه ای مخالف وجود ندارد ، برای انتخاب مدل موثر ، ارزیابی استحکام بسیار مهم است، و توسعه استراتژی های کنترل قابل اعتماد.برای پرداختن به این چالش ، ما یک چارچوب جدید ، $ \ texttt {levis} $ را معرفی می کنیم ، که شامل $ \ texttt {levis} $-$ α $ و $ \ texttt {levis} $-$ β $ است.$ \ texttt {levis} $-$ α $ بزرگترین توپ قابل تأیید ممکن را در منطقه مرکزی $ \ mathcal {c} $ که حداقل در دو مرز تقاطع می کند ، قرار می دهد.در مقابل ، $ \ texttt {levis} $-$ β $ چندین توپ قابل تأیید را برای محاصره کل فضای قابل تأیید به طور جامع ادغام می کند.مشارکتهای ما سه گانه است: (1) ما $ \ texttt {levis} $ مجهز به سه تکنیک پیشگام را پیشنهاد می کنیم که حداکثر توپ قابل اثبات و نزدیکترین نقطه مخالف را در طول جهت های کولی یا متعامد مشخص می کنیم.(2) ما یک تجزیه و تحلیل نظری ارائه می دهیم که ویژگی های توپ های قابل تأیید را از طریق $ \ texttt {levis} $-$ α $ و $ \ texttt {levis} $-$ β $ ارائه می دهیم.(3) ما روش خود را در برنامه های متنوع ، از جمله رگرسیون جریان برق الکتریکی و طبقه بندی تصویر ، نشان دادن پیشرفت های عملکرد و تجسم از ویژگی های جستجو ، تأیید می کنیم.