研究人员开发了一种名为梯度引导随机搜索(GRS)的新方法,以提高图像识别模型对像素稀疏对抗性攻击的鲁棒性。GRS比现有的稀疏投影梯度下降(sPGD)和Sparse-RS等方法更有效地利用梯度信息。新方法使用梯度符号来改变像素值,并使用梯度排名来选择像素,在CIFAR-10和ImageNet数据集上的性能与集成稀疏AutoAttack(sAA)相当或更好,同时速度更快,计算资源需求更少。 AI
影响 改进了对抗攻击的防御机制,可能增强AI视觉系统的可靠性。
排序理由 提出一种新的对抗鲁棒性算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- CIFAR-10
- Gradient-guided Random Search
- ImageNet
- sparse-AutoAttack
- sparse projected gradient descent
- Sparse-RS
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →