实体
FraudBench
FraudBench
PulseAugur coverage of FraudBench — every cluster mentioning FraudBench 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
最近 · 第 1/1 页 · 共 3 条
-
新的FraudBench基准揭示了AI金融风险模型中的协议敏感性
一项名为FraudBench的新基准已被开发出来，用于评估用于金融欺诈和信用风险检测的机器学习模型的对抗鲁棒性。该基准强调，鲁棒性结论高度依赖于评估协议，尤其是在域约束和攻击者能力方面。例如，在使用Lending Club贷款数据时，一种协议在相同的扰动预算下产生的可实现翻转示例比另一种协议多得多。研究结果表明，欺诈鲁棒性评估应联合报告预测降级和攻击可行性，并将域约束直接整合到攻击生成中。
-
新基准FraudBench揭示AI金融风险评估中的协议敏感性
引入了一个名为FraudBench的新基准，以应对金融风险评估中评估对抗鲁棒性的挑战。该基准强调，关于模型鲁棒性的结论高度依赖于所使用的评估协议，特别是在领域约束和攻击者能力方面。FraudBench在三种不同的协议下评估模型——无约束攻击、事后过滤和集成约束攻击——展示了基于所选协议的鲁棒性发现和模型家族排名的显著差异。
-
新的FraudBench基准测试AI银行智能体以应对自适应欺诈
研究人员推出了FraudBench，这是一个旨在测试银行环境中对话式AI智能体安全性的新基准。与关注静态交易或通用有害用途的现有基准不同，FraudBench专门评估这些智能体在对话中处理操纵身份、授权和信任的自适应欺诈企图的能力。该基准利用了双重控制框架和一个拥有大型策略语料库的银行环境，包含150个精心设计的对抗性场景。对四个智能体的初步评估显示，攻击-安全率在49%到65%之间，其中“人头账户”欺诈和“第一方”欺诈是常见的弱点。