Konstantinos Emmanouilidis

新框架使用近似潜在结构实现可认证的分类器鲁棒性

研究人员开发了一个新框架，通过利用数据表示中的潜在结构来创建可认证鲁棒的深度学习分类器。他们的方法证明，即使在预训练模型中存在近似的高斯混合结构，也能产生具有明确准确性下降界限的鲁棒分类器。该方法允许在没有严格分布假设的情况下实际使用现有的预训练模型，在 CIFAR-10 和 ImageNet 等基准测试中实现了具有竞争力的认证准确率，同时保持了强大的干净性能。