新的 HyCAS 防御弥合了认证鲁棒性和经验鲁棒性之间的差距

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了一种名为混合卷积注意力随机性（HyCAS）的新型对抗防御技术。该方法旨在弥合深度学习模型中理论鲁棒性保证与实际抗攻击能力之间的差距。实验表明，HyCAS 在不负面影响干净准确率的情况下，提高了各种图像数据集上的认证和经验对抗鲁棒性。 AI

影响增强了深度学习模型的安全性和可靠性，可能使其在关键应用中得到更广泛的应用。

排序理由学术论文，介绍了一种用于深度学习模型对抗鲁棒性的新颖方法。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Joy Dhar, Song Xia, Manish Kumar Pandey, Maryam Haghighat, Azadeh Alavi, Ferdous Sohel, Wenyu Zhang, Nayyar Zaidi · 2026-05-05 04:00

Certified vs. Empirical Adversarial Robust-ness via Hybrid Convolutions with Attention Stochasticity

arXiv:2605.01519v1 Announce Type: new Abstract: We introduce Hybrid Convolutions with Attention Stochasticity (HyCAS), an adversarial defense that narrows the long-standing gap between provable robustness under L2 certificates and empirical robustness against strong L attacks, wh…