针对文本对抗攻击的快速对抗训练（FAT）
Fast Adversarial Training against Textual Adversarial Attacks
AI 导读
快速对抗训练（FAT）方法在攻击者同义词候选不可知的场景下提升 NLP 模型的对抗鲁棒性。基于单步与多步梯度上升扰动相近、同一样本相邻轮次扰动也相近的观察，FAT 在嵌入空间用单步梯度上升生成对抗样本以加速训练，并以历史信息初始化扰动。实验显示 FAT 显著提升 BERT 模型鲁棒性，在多种字符级与词级修改攻击下优于防御基线。