实体
BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain
BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain
PulseAugur coverage of BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain — every cluster mentioning BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的DFCS方法将后门攻击效率提高了4.60% · 跟踪2个来源
研究人员开发了一种名为分布特征覆盖样本选择（DFCS）的新方法，以提高机器学习模型后门攻击的效率。这种无需训练、触发器无关的方法对预训练特征进行聚类，并从每个聚类中选择最近的样本，旨在避免冗余数据点。DFCS在各种数据集和攻击类型上展示了96.30%的高平均攻击成功率，平均比现有方法高出4.60个百分点，同时保持了干净的准确性。
-
新的InstantForget方法无需重新训练即可解除AI后门
研究人员开发了一种名为InstantForget的新方法，可以在不重新训练模型的情况下移除AI模型中的后门触发器。该技术在推理时运行，通过识别和重置指示后门的异常特征来工作。在CIFAR-10和ResNet-18模型的测试中，InstantForget在保持模型效用的同时，显著降低了各种触发器的平均攻击成功率。