研究人员开发了一种中毒数据检测器 (PDD)，以确保用于 Foundation Models 的自监督学习所策展的数据集的完整性。这种防御机制结合了 ImageBind 模型和 SVM 等传统分类器，以识别和减轻数据中毒风险。评估表明，SVM-PDD 在各种数据集和对抗性攻击中均表现有效，展示了其可扩展性和集成能力。 AI
影响 增强了大型 AI 模型训练数据的安全性和可靠性，可能提高其对抗对抗性攻击的鲁棒性。
排序理由 该集群包含一篇学术论文，详细介绍了机器学习中数据安全的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.09511v1 Announce Type: new Abstract: Self-supervised data curation provides a pathway to scaling and improving the generalization capabilities of machine learning models. By leveraging self-supervised learning (SSL) for data curation, the demand for massive training da…
Self-supervised data curation provides a pathway to scaling and improving the generalization capabilities of machine learning models. By leveraging self-supervised learning (SSL) for data curation, the demand for massive training datasets required by foundation models can be effe…