研究人员开发了一种名为进化感知不确定性分布对抗训练(EvoUAD-AT)的新方法,以增强深度学习模型对抗对抗性攻击的鲁棒性。该方法对对抗性特征统计量进行实例级搜索分布建模,超越了单点对抗性示例。EvoUAD-AT 根据候选扰动对良性参考的威胁进行评估,并随训练轮次调整分布,同时改进对齐参考并匹配良性和对抗性分布,以防止锚定在错误分类的样本上。大量评估表明,该方法在干净准确率和鲁棒性方面均优于现有的最先进技术。 AI
影响 增强了深度学习模型对抗对抗性攻击的弹性,可能使其在敏感应用中更安全地部署。
排序理由 该集群包含一篇详细介绍新的对抗性训练方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →