adversarial machine learning
PulseAugur coverage of adversarial machine learning — every cluster mentioning adversarial machine learning across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
隐私保护行为识别的新分类法和评估协议
一篇新发表在arXiv上的论文提供了隐私保护行为识别（PPAR）方法的全面分类法和评估。该综述将2018-2026年的32篇论文分为五类：对抗性学习、基于骨骼、密码学、差分隐私和混合方法，并强调了它们在隐私、效用和效率方面的独特权衡。论文指出了当前评估实践中的显著弱点，许多研究使用临时指标，缺乏正式的隐私定义或对泛化和实时部署的严格测试。作者提出了PPAR统一评估协议，以标准化基准并指导该领域走向实际部署，这对人脸识别和医学成像等相关…
-
新型后门攻击威胁关键基础设施中的AI故障检测
研究人员详细介绍了一种新型后门攻击，该攻击针对用于网络物理系统故障检测的机器学习模型。这些攻击通过在训练数据中巧妙地植入特定模式进行投毒，导致模型仅在存在这些触发器时才出现异常行为。研究表明，即使10%的数据投毒率也能有效破坏这些关键系统，而这些系统对于智能电网和工业自动化等基础设施至关重要。
-
AI伦理探讨：诚信优先于优化
来自Mastodon的同一作者的两篇帖子讨论了AI的伦理影响，质疑AI开发中无情的优化和效率是否可能损害诚信和问责制。作者探讨了将根深蒂固的诚信和公民责任置于纯粹的算法进步之上的想法，建议AI开发应转移焦点。
-
综述文章回顾了用于跨主题脑电图解码挑战的深度学习方法
本综述文章回顾了旨在提高脑电图（EEG）解码在不同受试者之间泛化能力的深度学习技术。文章讨论了高受试者间变异性带来的挑战，这种变异性会在训练数据和测试数据之间产生领域迁移。文章将现有方法分为特征对齐、对抗学习、特征解耦和对比学习等几类，并讨论了理论局限性和脑电图基础模型的潜力。