English(EN) Feature-Space Smoothing: Certified Robustness of Deep Representations

新的特征空间平滑增强深度学习模型鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-26 04:00

研究人员开发了一个名为特征空间平滑（FS）的新框架，以增强深度学习模型对抗对抗性攻击的鲁棒性。FS在表示层面运行，使用高斯随机平滑来保证干净特征和对抗性特征之间余弦相似度的下界。该方法可以扩展到认证预测，并包含一个高斯平滑增强器（GSB）模块，无需重新训练即可提高模型的固有鲁棒性。实验表明，FS集成提高了鲁棒性，并保持了下游任务的性能，特别是对于多模态大语言模型（MLLMs）。 AI

影响增强了深度学习模型（特别是MLLMs）对抗对抗性攻击的安全性和可靠性。

排序理由该集群包含一篇研究论文，详细介绍了提高深度学习模型鲁棒性的一种新方法。[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 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇研究论文，详细介绍了提高深度学习模型鲁棒性的一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Song Xia, Meiwen Ding, Chenqi Kong, Wenhan Yang, Xudong Jiang · 2026-10-26 04:00

特征空间平滑：深度表示的认证鲁棒性

arXiv:2601.16200v4 Announce Type: replace-cross Abstract: Modern deep learning models exhibit strong capabilities across diverse applications, yet remain vulnerable to malicious inputs that induce erroneous predictions via feature-space distortion. To address that, we propose Fea…

本文如何被排名

报道来源 [1]

特征空间平滑：深度表示的认证鲁棒性

相关实体

相关话题