adversarial risk | BriefGPT

关键词adversarial risk

搜索结果 - 8

计算多类别分类中对抗训练下界的最优输运方法
利用多边际最优传输（MOT）将对抗性风险问题简化为线性规划和熵正则化的数值算法，以提高深度学习模型的鲁棒性。
PDF6 months ago
丢失模型下敌对过量风险的非渐近边界
我们提出了一种通用方法来评估基于对抗损失的鲁棒估计在错误模型下的性能，并研究了对抗估计器的泛化性能。
PDF10 months ago
共享对抗样本的退学：通过退学共享的对抗样本来减轻后门问题
通过建立后门风险和对抗风险之间的联系，本文提出了一种用于净化后门模型的新的上界，该上界主要捕捉后门模型和净化模型之间的共享对抗示例上的风险，这进一步提出了一个用于缓解后门的新的双层优化问题，并提出了共享对抗消除方法 (SAU)，通过生成共享
PDFa year ago
对抗风险的多种表现
本文通过应用最优传输、鲁棒统计、泛函分析和博弈理论等技术工具，重审了 adversarial risk 的定义并探究了其与 adversarial robustness 的等价关系，证明了在对抗分类问题中存在纯 Nash 均衡，并通过最小化
PDF2 years ago
KDD针对对抗性强鲁棒多标签分类的攻击可转移性特征描述
该研究针对多标签分类器的非目标逃避攻击，研究攻击的传递能力和分类器的易攻性，提出软攻击性评估器，通过集成传递能力调整正则项到多标签学习范式，实现对抗鲁棒分类。在真实数据上的实验研究验证了多标签学习方法的有效性。
PDF3 years ago
通过最优输运和最优配对实现的对抗性风险
本文从最优传输的角度分析了机器学习算法的敌对风险和敌对分类器，针对二元分类的 0-1 损失，建立了优化传输成本与两类别概率分布之间的联系，得出了单峰分布下的优化敌对风险和敌对分类器，通过凸性和平滑性假设，扩展了结果到通用损失函数。
PDF5 years ago
通过函数转换的对抗风险界
本文提出了一种用于衡量线性和神经网络分类器对对抗干扰的鲁棒性的对抗风险概念，并通过对函数变换的界定来推导出对抗风险的上界，藉此解决了标准学习理论技术无法解决的问题。同时，还探讨了该理论对于多分类和回归的扩展，并提出了两种算法用于优化线性案例
PDF6 years ago
对抗性风险与评估弱攻击的危害
本文研究了针对对抗性样本的最新的防御方法和评估对抗性鲁棒性的方法，提出了 “对抗风险” 作为实现模型鲁棒性的目标，并将常用的攻击和评估度量框架化为真正的对抗风险的可行替代目标，指出模型可能会优化该替代目标而不是对抗风险，发展了识别混淆模型和
PDF6 years ago