PulseAugur
中
实时 10:11:39
English(EN) DeepDefense: Robust Learning via Layer-Wise Gradient-Feature Alignment

DeepDefense框架增强神经网络对抗攻击的鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为DeepDefense的新框架，旨在增强深度神经网络对抗对抗性攻击的鲁棒性。该方法采用逐层梯度-特征对齐（GFA）正则化来平滑损失景观，使模型对微小、精心设计的输入扰动不那么敏感。实证结果表明，对抗鲁棒性得到了显著改善，使用DeepDefense训练的CNN模型在CIFAR-10等基准测试中，在各种攻击类型下，其性能大幅优于标准的对抗性训练。 AI

影响 这项研究为提高深度学习模型的对抗鲁棒性提供了一个有前景的方向，有望带来更安全的AI应用。

排序理由 该集群描述了一篇关于改进深度学习模型鲁棒性的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

DeepDefense框架增强神经网络对抗攻击的鲁棒性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ci Lin, Tet Yeap, Iluju Kiringa ·

    DeepDefense: Robust Learning via Layer-Wise Gradient-Feature Alignment

    arXiv:2511.13749v2 Announce Type: replace Abstract: Deep neural networks are known to be vulnerable to adversarial perturbations, which are small, carefully crafted inputs that lead to incorrect predictions. In this paper, we propose DeepDefense, a novel defense framework that ap…

相关实体

相关话题