PulseAugur
中
实时 12:19:46
English(EN) Learning with Bilevel-Minimax Optimization for Efficient and Reliable Transfer Attacks

新的双层极小极大方法增强了对抗性迁移攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为双层极小极大对抗迁移（BMAT）的新方法，以提高机器学习中迁移攻击的有效性。该方法采用双层公式来优化初始化和扰动，而内部的极小极大问题则增强了跨不同模型架构的泛化能力。BMAT集成了软权重调制器和隐式梯度近似器，以耦合初始化、代理适应和扰动优化，在分类和分割任务中优于现有方法。 AI

影响 通过增进对迁移攻击的理解和生成，这项研究可能带来更强大的对抗攻击防御能力。

排序理由 该条目是发表在arXiv上的研究论文，详细介绍了一种新的对抗攻击优化方法。[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 →

新的双层极小极大方法增强了对抗性迁移攻击

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yaohua Liu, Yifan Guo, Jiaxin Gao ·

    面向高效可靠迁移攻击的双层极小极大优化学习

    arXiv:2608.11815v1 Announce Type: new Abstract: Transfer-based adversarial attacks craft adversarial examples using surrogate models to mislead black-box victim models. Beyond perturbation generation, transferability is fundamentally governed by the coupling of initialization, su…

相关实体

相关话题