PulseAugur
中
实时 17:29:21
English(EN) MiniFool -- Physics-Constraint-Aware Minimizer-Based Adversarial Attacks in Deep Neural Networks

新算法MiniFool为神经网络创建基于物理的对抗性攻击

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MiniFool，这是一种新颖的算法，旨在为神经网络创建受物理学启发的对抗性攻击。该方法特别适用于粒子和天体粒子物理学的分类任务，并已在包括MNIST和大型强子对撞机CMS实验数据在内的数据集上进行了演示。MiniFool通过最小化一个成本函数来工作，该函数平衡了卡方检验统计量与目标分数的偏差，从而可以量化网络对实验不确定性的鲁棒性。 AI

影响 这项研究通过基于物理约束的对抗性攻击识别漏洞，可能导致科学应用中更鲁棒的神经网络模型。

排序理由 该集群包含一篇详细介绍神经网络对抗性攻击新算法的研究论文，发表在arXiv上。[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) · Lucie Flek, Oliver Janik, Philipp Alexander Jung, Akbar Karimi, Timo Saala, Alexander Schmidt, Matthias Schott, Philipp Soldin, Matthias Thiesmeyer, Christopher Wiebusch, Ulrich Willemsen ·

    MiniFool -- Physics-Constraint-Aware Minimizer-Based Adversarial Attacks in Deep Neural Networks

    arXiv:2511.01352v2 Announce Type: replace Abstract: In this paper, we present a new algorithm, MiniFool, that implements physics-inspired adversarial attacks for testing neural network-based classification tasks in particle and astroparticle physics. While we initially developed …

相关实体

相关话题