实体
Fast Gradient Sign Method
Fast Gradient Sign Method
PulseAugur coverage of Fast Gradient Sign Method — every cluster mentioning Fast Gradient Sign Method across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
P2P借贷模型对抗性训练在不同攻击类型下表现出混合鲁棒性
研究人员评估了在同行借贷（P2P lending）中使用的机器学习模型在面对各种对抗性攻击时的鲁棒性。研究发现，虽然对抗性训练能显著提高模型对特定训练攻击的防御能力，但这种鲁棒性并不总是能很好地迁移到不同类型的攻击上，特别是非基于梯度的攻击。研究结果表明，混合攻击对抗性训练在抵御各种操纵方法方面提供了最均衡的防御，这对于有效的信用模型治理至关重要。
-
新的混合防御增强了网络入侵检测系统对对抗性攻击的抵抗能力
研究人员开发了一种混合防御机制，以保护网络入侵检测系统（NIDS）免受对抗性攻击。该方法结合了对抗性训练（AT）和高斯数据增强（GDA），以减轻快速梯度符号法（FGSM）和Carlini & Wagner（C&W）攻击的影响。所提出的方法显著提高了NIDS的准确性，从攻击后的低点0.2649（FGSM）和0.4961（C&W）分别提高到96.57%和89.20%，证明了其在增强NIDS鲁棒性方面的有效性。
-
新型SHIELD-IDS增强了机器学习入侵检测系统对对抗性攻击的防御能力
研究人员开发了SHIELD-IDS，一个增强型入侵检测系统，旨在对抗机器学习模型的对抗性攻击。该系统将XGBoost和LightGBM等梯度提升模型集成到一个多样化的集成模型中，并由三层防御机制保护。实验表明，SHIELD-IDS在干净数据上保持了超过99%的检测准确率，并对常见的对抗性攻击方法表现出更强的鲁棒性。