PulseAugur
实时 19:58:31
None Are Targeted Data Poisoning Attacks as Effective as We Think?

研究质疑定向数据投毒攻击的有效性

一篇新的研究论文对定向数据投毒攻击在机器学习模型上的有效性提出了质疑。作者认为,当前的评估方法常常通过对随机样本的成功率进行平均来忽略最坏情况。他们提出,防御措施应侧重于主动识别最脆弱的数据点,而不是依赖于分布层面的分析,因为这些攻击在该层面不留下任何痕迹。 AI

影响 提出了一种评估和防御数据投毒攻击的新方法,可能提高模型的鲁棒性。

排序理由 该集群包含一篇讨论数据投毒攻击新评估方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv stat.ML TIER_1 · William Xu, Chenyu Zhang, Yihan Wang, Matthew Y. R. Yang, Zuoqiu Liu, Gautam Kamath, Yaoliang Yu, Yiwei Lu ·

    Are Targeted Data Poisoning Attacks as Effective as We Think?

    arXiv:2509.06896v2 Announce Type: replace-cross Abstract: Targeted data poisoning attacks manipulate model predictions on specific test samples by injecting malicious data into training. Yet existing evaluations report average attack success rates over randomly selected targets, …