PulseAugur
中
实时 10:58:58
English(EN) MOAT: Model-Agnostic Randomized Transformations for preventing Efficiency Degradation Attacks on ViTs

MOAT防御流水线保护Vision Transformer免受效率下降攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的防御流水线MOAT，旨在保护Vision Transformer（ViT）免受会降低其效率的对抗性攻击。MOAT采用一系列输入变换，使其具有模型无关性，并与用于降低计算成本的现有令牌修剪技术兼容。实验表明，MOAT有效地将攻击下的GFLOPs下降限制在原始模型性能的3.4%以内。 AI

影响 增强了资源受限环境中Vision Transformer的鲁棒性，使其在对抗性操纵下更加可靠。

排序理由 该集群包含一篇学术论文，详细介绍了一种提高AI模型安全性方面的新方法。[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 →

MOAT防御流水线保护Vision Transformer免受效率下降攻击

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Anadi Goyal, Nandish Chattopadhyay, Chandan Karfa, Anupam Chattopadhyay, Norrathep Rattanavipanon ·

    MOAT: Model-Agnostic Randomized Transformations for preventing Efficiency Degradation Attacks on ViTs

    arXiv:2608.04680v1 Announce Type: cross Abstract: To adopt the Vision Transformers (ViTs) in resource-constrained environment, token pruning is widely used to reduce computational cost without impacting accuracy. However, adversaries have developed targeted attacks against said t…

相关实体

相关话题