Page 46 - 《软件学报》2026年第4期

翟浩杰 等: 基于自适应策略优化的鲁棒泛化权衡学习 1487

面, 训练前期算法逐步提升攻击强度时, 可以观察到两种准确率均稳步上升, 并最终达到收敛状态. 综上所述, 我们
可以从攻击策略的变化分析出准确率的变化, 这说明 TRG-ASO 具有较强的可解释性, 同时所训练出来的模型亦
具有较强的可信性.
−5.62
第 1 次 进化 −5.68 −5.66 −11.30
−5.64
−5.70
−11.35
第 2 次 进化 −4.55 −0.514 −5.06
−4.56
−0.515
−5.08
−4.57
−0.516
−1.682 −0.965 −2.648
第 3 次 进化 −1.684 −0.966 −2.649
−1.418 −1.052 8 −2.650
第 4 次 进化 −1.419 −1.053 0 −2.472
−2.473
−1.420
−1.053 2
第 5 次 进化 −1.588 8 −1.20 −2.857 7
−1.25
−1.588 9
−2.857 8
−1.30
−1.589 0
−2.857 9
第 6 次 进化 −1.142 5 −0.70 −1.855 5
−1.143 0
−1.856 0
−0.75
第 7 次 进化 −1.575 −0.16 −1.737
−1.576
−1.738
0 2 4 6 8 10 12 14 16 18 −0.17 0 2 4 6 8 10 12 14 16 18 0 2 4 6 8 10 12 14 16 18
进化代数 进化代数 进化代数
(c) 
(a)  1 (b)  2
图 5 TRG-ASO 在 CIFAR-10 上每次进化的最优个体适应度函数的变化图

16 4.0 19
80
14 3.8 18
准确率 (%) 60 攻击强度 10 8 攻击步长 3.4 攻击步数 17
12
3.6
16
40
3.2
鲁棒准确率 4 3.0 15
20 干净准确率 4
2 2.8 14
0 50 100 150 200 0 50 100 150 200 0 50 100 150 200 0 50 100 150 200
周期 周期 周期 周期
(a) 准确率变化 (b) 攻击强度 (c) 攻击步长 (d) 攻击步数
图 6 侧重鲁棒性提升时 TRG-ASO 在 CIFAR-10 上的准确率变化图和策略变化图
(攻击强度和攻击步长为×255 后的值)

4.0
80 8 7 3.5 18
16
准确率 (%) 60 攻击强度 6 5 攻击步长 3.0 攻击步数 14
12
40
20 鲁棒准确率 4 3 2.5 10 8
干净准确率
2.0
0 50 100 150 200 0 50 100 150 200 0 50 100 150 200 0 50 100 150 200
周期 周期 周期 周期
(a) 准确率变化 (b) 攻击强度 (c) 攻击步长 (d) 攻击步数
图 7 侧重干净准确率提升时 TRG-ASO 在 CIFAR-10 上的准确率变化图和策略变化图
(攻击强度和攻击步长为×255 后的值)