Últimos artículos para Ataques adversariales

Un marco para evaluar la robustez de las Redes Neuronales Bayesianas frente a ataques adversariales.

Este estudio analiza la distribución de imágenes usando modelos generativos para un mejor reconocimiento.

NatLogAttack mejora las pruebas adversariales de modelos de lenguaje usando lógica natural.

Explorando los desafíos y defensas en el aprendizaje automático adversarial cuántico.

Examinando cómo los ataques de una sola clase pueden engañar a los modelos de aprendizaje profundo.

Un nuevo método mejora los ataques adversariales en redes neuronales profundas usando cambios semánticos.

Este artículo examina los riesgos de seguridad de los sistemas de Monitoreo de Carga No Intrusivo.

Nuevos métodos mejoran el entrenamiento contra ataques adversariales al centrarse en las vulnerabilidades de los ejemplos.

Examinando los pros y contras del aprendizaje dividido en la privacidad de datos.

Examinando los riesgos y los desafíos de explicabilidad de los ataques adversarios en modelos de IA.

Un enfoque nuevo para abordar las vulnerabilidades en clasificadores mixtos.

El aprendizaje profundo enfrenta serios riesgos por ataques adversariales que engañan a los sistemas.

Examinando las características y riesgos de seguridad de los modelos en el dispositivo en apps de iOS.

Nuevo método mejora ejemplos adversariales contra las vulnerabilidades de los modelos de lenguaje.

Investigando las vulnerabilidades de las DNNs frente al ruido adversarial en la reducción de ruido de imágenes.

Un estudio sobre SCS versus capas convolucionales tradicionales en clasificación de imágenes.

Nuevo método mejora los ataques adversariales sin afectar los métricas de rendimiento.

Explora estrategias para mejorar el intercambio de información en redes grandes.

Un nuevo método mejora la clasificación de imágenes combinando múltiples tareas de auto-supervisión.

Examinando los desafíos y defensas contra ataques adversariales en nubes de puntos 3D.

La investigación muestra cómo imitar la visión humana puede fortalecer las redes neuronales profundas contra ataques.

Nuevos métodos mejoran la resistencia de los sistemas de detección de objetos a los cambios adversariales.

Examinando las amenazas que suponen los ataques adversariales en sistemas de IA.

Nuevos métodos para asegurar el aprendizaje federado contra ataques mientras se preserva la privacidad del usuario.

Enfocarse en la selección de datos de entrenamiento puede fortalecer los sistemas de clasificación de nodos.

Nuevas técnicas mejoran la fiabilidad de las herramientas de imagen médica frente a alteraciones de datos dañinas.

Explora el impacto de los ataques adversarios en sistemas de aprendizaje por refuerzo multi-agente.

DyNNs ofrecen un procesamiento eficiente y un rendimiento sólido contra ataques adversariales.

Examinando cómo la compresión de modelos afecta a las defensas contra ataques adversariales.

Un nuevo marco mejora la confiabilidad de los modelos de aprendizaje profundo contra cambios sutiles.

Examinando cómo los ataques adversariales afectan a DeepReceiver en sistemas de comunicación inalámbrica.

La investigación resalta nuevas formas de mejorar las defensas de los modelos contra ataques adversariales.

Los investigadores revelan cómo el malware puede engañar a los antivirus con ataques astutos.

Un nuevo método mejora la robustez de las CNNs de Mezcla de Expertos contra entradas adversariales.

Un nuevo marco mejora la efectividad de los ataques adversariales en modelos de código.

Examinando los peligros que presentan los ataques adversariales en modelos de imágenes y textos.

Examinando cómo las Redes Neurales Causales mejoran la resistencia a ataques adversariales.

Este artículo explora el papel de los Transformers en la restauración de imágenes y sus vulnerabilidades a ataques adversariales.

Usando la perplejidad para identificar entradas arriesgadas en modelos de lenguaje.

Analizando los riesgos asociados con los modelos de visión por computadora y su efectividad.