adversarial example detection | BriefGPT

关键词adversarial example detection

搜索结果 - 7

AED-PADA: 通过主要对抗领域适应性提高对抗样本检测的泛化能力
通过主对抗领域适应的对抗性样例检测方法（AED-PADA），针对现有检测方法在广泛应用中存在的泛化性能较差的问题提出了解决方案，通过识别主对抗领域（PAD）并利用多源领域适应实现对对抗性样例的检测，实验表明我们的方法在具有极小幅度干扰的挑战
PDF2 months ago
探索稳健特征以提升对抗性鲁棒性
通过分离鲁棒特征和领域特定特征，我们提出了一个鲁棒特征分离模型，以增强模型的对抗性鲁棒性。同时，训练出的领域鉴别器几乎完美地能够识别出干净图像和对抗性样本中的领域特定特征，从而无需额外的计算成本实现对抗性样本的检测。这样一来，我们可以为干净
PDF10 months ago
走向黑盒对抗样本检测：一种基于数据重构的方法
本文介绍了一种基于数据重构的对抗样本检测方法，使用变分自编码器技术，在 black-box 对抗攻击的情况下取得了明显更好的检测性能。
PDFa year ago
基于局部直方图均衡化的增强图像差异特征对抗样本检测
基于高频信息增强策略，提出了一种针对对抗性样本的检测框架，可以在不修改现有检测模型的情况下，提高检测器的性能和降低部署成本。
PDFa year ago
使用正交投影梯度下降规避对抗性样本检测防御
本文介绍了一种基于 Orthogonal Projected Gradient Descent 攻击技术的方法，通过正交化梯度来生成对抗样本，以便在同时满足误分类和被检测为非对抗性之间达到更好的平衡，成功地躲避了四种先进的对抗性检测方法，降
PDF3 years ago
神经网络对抗鲁棒性的有用分类法
深度学习领域的对抗攻击和防御是目前研究的活跃领域。本文针对防御方法进行分类，提出了不同的分类方法：通过增加特征向量的类内紧凑性和类间分隔性来提高对抗鲁棒性，减小或移除非鲁棒图像特征来提高对抗鲁棒性。通过这种重新构架话题的方式，提供了新的视角
PDF5 years ago
ICCV通过提取类别特定子网络实现神经网络的可解释化解缠
本文提出了一种理解深度神经网络的新视角，通过提取类特定的功能子网络来实现可解释的解缠结形式，并将其应用于视觉解释和对抗性示例检测任务中。实验证明，这种直观的操作可以有效地提高基于梯度的解释方法的解释显著性准确性，并增加基于置信度分数的对抗性
PDF5 years ago