certification methods | BriefGPT

关键词certification methods

搜索结果 - 7

FullCert: 神经网络训练和推断的确定性端到端认证
该论文提出了 FullCert 方法，通过边界流概念构建了第一个具有可靠、确定性范围的端到端认证系统，用于防御训练和推断阶段的攻击，并结合开源库 BoundFlow 进行实证验证。
PDF19 days ago
为深度神经网络认证全局稳健性
通过利用 PAC 验证框架和统计方法，本研究提出了一种对深度神经网络进行全局鲁棒性评估和验证的高效方法，该方法在评估全局鲁棒性的同时能够有效地找出稀有和多样化的对抗训练的反例。
PDFa month ago
在对抗性攻击下实现不确定性校准的认证
神经分类器对扰动敏感，证书方法提供对其预测的扰动不敏感性的可证明保证，而模型的置信度在安全关键应用中尤为重要。我们证明了攻击可以严重影响置信度，并提出了对置信度的最坏情况下的证书校准作为对抗性扰动下的置信度的界限。最后，我们提出了新的校准攻
PDFa month ago
（可证明的）群等变任务中的对抗鲁棒性：图形，点云，分子等
机器学习模型的稳健性不仅需要考虑输入微扰对其预测的影响，还要考虑任务的等变性。本研究首次提出了适用于等变性任务的对抗稳健性概念，并证明了通过选择符合任务等变性的模型和进行传统的对抗稳健性认证可以实现可证稳健性。此外，本研究还通过等变性保持随
PDF7 months ago
提高可认证鲁棒性的配方：容量与数据
通过使用新技术、设计优化和先前工作的综合综合，我们能够显著提高确定性认证方法在各种基准数据集上的最新鲜准确性，并扩展了扰动范围大小，尤其是通过在现有最新雅可比约束控制的 ResNet 架构末端添加大型 “Cholesky - 正交化残差稠密
PDF9 months ago
AAAIDeformRS: 使用随机平滑算法认证输入形变
本文探讨了基于随机平滑的新型认证方法，提出了 DeformRS-VF 和 DeformRS-Par 两种新认证方法，可以对大规模数据集上的深度神经网络进行认证，特别是 DeformRS-Par 可以认证多种不同的几何变换，例如旋转、缩放、仿
PDF3 years ago
CVPR随机平滑用于稳健性保证的扩展和限制
通过随机平滑来证明分类器决策对于对抗性噪声不变，同时对噪声稳健性的保证受到多种因素的影响，例如平滑度量之间的差异和拟合威胁模型的选择。此外，该研究证明随着 p 的增加，随机平滑受到了维度诅咒的影响。
PDF4 years ago