PulseAugur
中
实时 11:42:15
实体 Consistency Model-based Adversarial Purification

Consistency Model-based Adversarial Purification

PulseAugur coverage of Consistency Model-based Adversarial Purification — every cluster mentioning Consistency Model-based Adversarial Purification across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_183368 ·

    新的对抗性净化方法增强了深度神经网络的鲁棒性

    研究人员开发了一种名为基于一致性模型的对抗性净化（CMAP）的新方法，用于防御深度神经网络免受对抗性攻击。CMAP通过优化预训练一致性模型潜在空间内的向量，从受扰动的样本中恢复干净数据。该方法结合了感知一致性恢复机制、潜在分布一致性约束和潜在向量一致性预测方案，以增强鲁棒性并保持数据完整性。在CIFAR-10和ImageNet-100数据集上的实验表明，CMAP在提高对强对抗性攻击的鲁棒性方面是有效的，同时保持了高自然准确率。