color perturbation

脉冲神经网络在抵抗模型窃取攻击方面表现出更强的韧性

一项发表在arXiv上的新研究探讨了脉冲神经网络（SNNs）与传统人工神经网络（ANNs）相比在安全性方面的影响。该研究使用MNIST和CIFAR-10等数据集，对两种网络上的四种常见模型窃取攻击（MSAs）进行了基准测试。结果一致表明，SNNs在抵抗这些攻击方面明显更具韧性，与在ANNs上训练的模型相比，代理模型的匹配度和对抗性可迁移性较低。这种增强的安全性归因于SNNs独特的基于脉冲和时间依赖的计算动态，使其成为敏感应用中更安全的选择。