PulseAugur
中
实时 08:50:59
English(EN) Counterfeit Answers: Adversarial Forgery against OCR-Free Document Visual Question Answering

新的“伪造答案”攻击目标是无OCR的DocVQA模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为“伪造答案”的新型对抗性攻击方法，该方法可以伪造文档内容来操纵无OCR的文档视觉问答（DocVQA）模型。通过创建视觉上不易察觉但语义上具有针对性的伪造文档，该攻击可以诱导特定的错误答案或导致系统性模型故障。该攻击的有效性已在Pix2Struct和Donut等最先进模型上得到验证，凸显了当前DocVQA系统存在的重大漏洞以及改进防御措施的必要性。 AI

影响 凸显了DocVQA系统存在的关键漏洞，有必要开发更强大的防御措施来抵御对抗性攻击。

排序理由 研究论文详细介绍了一种针对AI模型的新型对抗性攻击方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的“伪造答案”攻击目标是无OCR的DocVQA模型

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Marco Pintore, Maura Pintor, Dimosthenis Karatzas, Battista Biggio ·

    伪造答案：针对无 OCR 文档视觉问答的对抗性伪造

    arXiv:2512.04554v2 Announce Type: replace Abstract: Document Visual Question Answering (DocVQA) enables end-to-end reasoning grounded on information present in a document input. While recent models have shown impressive capabilities, they remain vulnerable to adversarial attacks.…

相关实体

相关话题