研究人员开发了一种名为FRO（Frontend Response-Oriented）的新方法，以增强AI模型中对抗性攻击的可迁移性。该技术侧重于模型的初始层如何响应变换后的输入，将每次变换视为生成独特响应的预处理步骤。通过使用块状拉伸和收缩操作以及相干透视变形，FRO创建了结构化的变换视图，以优化对抗性扰动。在ImageNet子集上的实验表明，FRO提高了各种CNN和Vision Transformer模型上的黑盒可迁移性。 AI
影响 这项研究可能通过改进对抗性攻击的防御能力，从而实现更强大的AI模型。
排序理由 这是一篇详细介绍新的对抗性攻击方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
