PulseAugur
中
实时 10:17:06

新防御方法提升CLIP的对抗鲁棒性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为对比谱校正（CSR）的新型测试时防御方法，以提高CLIP等视觉语言模型的对抗鲁棒性。该方法通过利用这些模型的光谱偏差来解决其对对抗性样本的脆弱性，这种偏差会导致频率衰减下的特征不一致。CSR通过优化校正扰动来使输入与自然流形重新对齐，在多个基准测试中展示了显著的性能提升，且推理时间仅略有增加。 AI

影响 增强了视觉语言模型对抗对抗性攻击的安全性，可能使其在敏感应用中得到更广泛的部署。

排序理由 详细介绍一种提高模型鲁棒性新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 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.CV TIER_1 English(EN) · Sen Nie, Jie Zhang, Zhuo Wang, Shiguang Shan, Xilin Chen ·

    Contrastive Spectral Rectification: Test-Time Defense towards Zero-shot Adversarial Robustness of CLIP

    arXiv:2601.19210v2 Announce Type: replace Abstract: Vision-language models (VLMs) such as CLIP have demonstrated remarkable zero-shot generalization, yet remain highly vulnerable to adversarial examples (AEs). While test-time defenses are promising, existing methods fail to provi…

相关实体

相关话题