Song Xia

新的特征空间平滑增强深度学习模型鲁棒性

研究人员开发了一个名为特征空间平滑（FS）的新框架，以增强深度学习模型对抗对抗性攻击的鲁棒性。FS在表示层面运行，使用高斯随机平滑来保证干净特征和对抗性特征之间余弦相似度的下界。该方法可以扩展到认证预测，并包含一个高斯平滑增强器（GSB）模块，无需重新训练即可提高模型的固有鲁棒性。实验表明，FS集成提高了鲁棒性，并保持了下游任务的性能，特别是对于多模态大语言模型（MLLMs）。