BriefGPT.xyz
大模型
Ask
alpha
关键词
transfer-based adversarial attacks
搜索结果 - 3
面向数据中心强健学习的抵抗基于迁移的对抗性攻击的深度学习模型
该研究提出了一种名为数据中心稳健学习(DRL)的新的防御范例,通过在训练之前进行一次性的对抗性增强来提高对迁移攻击的稳健性,并且在黑盒稳健性上超过了多种常用的对抗训练技术。此外,DRL 还具有模型的泛化能力和稳健公平性。
PDF
9 months ago
ICCV
一种用于提高对抗传递性的自适应模型集成对抗攻击方法
通过自适应地控制每个模型输出的融合,监测其对于攻击目标的贡献差异比率,本文提出了一种自适应集成攻击(AdaEA)方法,并引入一个降低差异的滤波器以进一步同步更新方向,从而在各种数据集上取得了显著改进,同时能够提升已有的基于迁移的攻击方法,进
→
PDF
a year ago
通过遮蔽无关参数来增强代理模型的对抗样本传递性能
本文提出基于屏蔽无关参数(MUP)的方法来提高转移型对抗攻击中对抗样本的传递性。通过使用基于泰勒展开的评估参数重要性得分的度量方法,并在生成对抗样本时屏蔽不重要的参数来优化先前的代理模型,可以很好地改善传递对抗攻击。通过广泛的实验,可以验证
→
PDF
a year ago
Prev
Next