研究人员开发了一个新颖的框架，可以在不改变训练算法或模型架构的情况下，认证模型免受数据投毒攻击。该方法使用凸松弛来估计参数更新的可能范围，从而限制在可能被操纵的数据上训练的模型的最坏情况行为。该方法为不受目标、目标和后门攻击提供了保证，并在各种真实世界数据集上证明了其有效性。 AI
影响 提供了一种保护机器学习模型免受数据操纵的方法，这对于医疗保健和自动驾驶等敏感领域的应用至关重要。
排序理由 学术论文，详细介绍了一种用于机器学习认证鲁棒性的新框架。[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 →