研究人员提出了一种新的频率域对抗性攻击生成方法，该方法利用了神经网络的光谱敏感性。这种方法被构建在一个专门的优化框架内，该框架包含一个与非正交变换相关的扰动约束集。攻击被生成为加权的 $\ell_2$ 投影，为攻击生成提供了一种受控机制，并具有清晰的几何表征。在标准化数据集上的评估表明，这些攻击对各种预训练和对抗性鲁棒模型都有效，为分析基于变换的攻击提供了一个潜在的理论基准。 AI
影响 这项研究可能有助于更稳健地评估AI系统，并改进对抗操纵的防御能力。
排序理由 该集群包含一篇详细介绍神经网络对抗性攻击新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- adversarially robust models
- arXiv
- Frame the adversary: a structure-aware attack methodology
- Frequency-based adversarial attacks
- Neural architectures for adaptive behavior
- Pretrained Models
- transformed-based attacks
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
