evasion attacks | BriefGPT - AI 论文速递

关键词evasion attacks

搜索结果 - 31

ICML神经网络鲁棒性的反馈学习
通过分析决策空间中的模型鲁棒性，提出一种反馈学习方法，以了解模型的学习情况，促进纠正缺陷的重新训练过程。根据一组基于距离的准则进行的评估表明，我们的方法可以显著提高模型的准确性和对各种逃逸攻击的鲁棒性，同时观察到跨类不平等的存在，并提出通过
PDF5 years ago
黑盒对抗攻击的有状态检测
本文研究了针对机器学习分类器的对抗样本和逃逸攻击问题，探讨了基于有状态的防御方法，并介绍了新的攻击方式。
PDF5 years ago
Treant: 训练逃避感知的决策树
本文提出一种基于威胁模型的决策树学习算法 Treant，通过采用坚固分裂和攻击鲁棒性等两种技术手段，使得学习过程更为完整、高效，有效提高抗攻击性能。
PDF5 years ago
存在规避对手的 PAC 学习
本文研究机器学习准确率受到恶意攻击的情况下的学习界限问题，扩展了 PAC-learning 框架进行探讨，并考虑对抗性 VC-dimension 的影响。
PDF6 years ago
AttriGuard: 通过对抗式机器学习实现属性推断攻击实用防御
该研究提出了一种新的隐私保护技术，通过使用干扰攻击来保护用户的隐私信息免遭基于机器学习分类器的信息泄露攻击，该方法有效降低了用户公开信息的隐私损失。
PDF6 years ago
对抗性恶意二进制文件：规避可执行文件中的深度学习恶意软件检测
本文通过对恶意软件检测方法的深度学习进行的攻击实验证明，机器学习以及深度神经网络存在易受攻击的漏洞，并提出基于梯度的攻击方法，可以使恶意软件逃脱检测而不影响其入侵功能。
PDF6 years ago
利用保守特征提高机器学习分类器抵抗实现逃避攻击的鲁棒性
通过考虑简化的攻击特征空间模型来设计鲁棒的人工智能模型，可以在检测 PDF 格式恶意软件时提高效果。在研究中发现，仅依靠特征空间模型的效果有限，但增加保留特征可以显著提高性能。此外，当面临各种恶意软件的攻击时，特征空间模型具有更广泛的鲁棒性
PDF7 years ago
测试时针对机器学习的逃避攻击
本文研究了机器学习在安全敏感应用中的应用，提出了一种基于梯度的方法来评估分类算法在对抗攻击下的安全性，并针对 PDF 文件中的恶意软件检测任务进行了实验，同时提出了一些相应的反制措施。
PDF7 years ago
是的，机器学习可以更安全！一个关于 Android 恶意软件检测的案例研究
本文介绍了一种基于机器学习的恶意软件检测系统中所存在的漏洞，定义和实现了一组映射攻击进行检测，提出了一种简单易行的安全学习模式来防止逃避攻击并适用于其他恶意软件检测任务。
PDF7 years ago
通过数据转换提升机器学习系统的鲁棒性
本文研究在机器学习分类器中针对规避攻击采用数据变换作为一种防御方法。我们提出并探索了包括主成分分析的降维和数据反白化在内的各种数据转换策略，以增强机器学习的韧性，在多个真实数据集上评估和演示了数据的线性转换作为一种抵御规避攻击的有效防御机制
PDF7 years ago
可扩展对抗分类的通用重训练框架
提出了第一个系统性的通用的重新训练框架，可以在对抗性攻击的情况下提高任意学习算法的鲁棒性，并且是先前方法中更广泛的对抗模型的一类；该框架能够最小化对抗风险的最优上界，同时扩展该结果以考虑逃避攻击的近似值，从而显著提高抵抗逃避攻击的鲁棒性，而
PDF8 years ago