Yuhang Jiang

研究揭示输入多样性可能损害对鲁棒模型的迁移攻击

一篇题为“剪刀效应”的新研究论文探讨了输入多样性技术（特别是随机调整大小和填充）如何影响机器学习中迁移攻击的有效性。由蒋宇航（Yuhang Jiang）领导的研究发现，虽然这些技术通常会提高对标准模型的攻击成功率，但当与对抗性训练模型一起使用时，它们实际上会降低性能。这种被称为“剪刀效应”的现象表明，当前的评估方法可能低估了对鲁棒模型的攻击能力。