PulseAugur
中
实时 13:13:40
English(EN) DASH: A Meta-Attack Framework for Synthesizing Effective and Stealthy Adversarial Examples

DASH框架生成隐蔽的对抗性AI示例

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DASH，一个元攻击框架，旨在为AI模型创建既能有效引起错误分类又在视觉上不可察觉的对抗性示例。该框架战略性地结合了现有的基于Lp范数的攻击方法，并使用学习到的权重来适应性地调节它们的贡献。DASH旨在提高对抗性示例的感知质量，在CIFAR-10和ImageNet等数据集上表现优于当前最先进的方法。 AI

影响 引入了一种生成更真实有效的对抗性攻击的新方法，这对于鲁棒的AI模型评估至关重要。

排序理由 该集群包含一篇详细介绍生成对抗性示例新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 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 cs.LG TIER_1 English(EN) · Abdullah Al Nomaan Nafi, Habibur Rahaman, Zafaryab Haider, Tanzim Mahfuz, Fnu Suya, Swarup Bhunia, Prabuddha Chakraborty ·

    DASH：一个用于合成有效且隐蔽的对抗性样本的元攻击框架

    arXiv:2508.13309v4 Announce Type: replace-cross Abstract: Numerous techniques have been proposed for generating adversarial examples in white-box settings under strict Lp-norm constraints. However, such norm-bounded examples often fail to align well with human perception, and onl…

相关实体

相关话题