Últimos artículos para Ataques adversariales

Presentando el hypervolumen adversarial para evaluar mejor el rendimiento de los modelos de aprendizaje profundo.

Este artículo habla sobre el entrenamiento adversarial para clasificadores cuánticos de aprendizaje automático robustos.

Un nuevo enfoque mejora el rendimiento del modelo contra cambios de distribución y ataques adversariales.

Mejorando la robustez contra ataques adversariales en modelos de lenguaje-visión.

Este artículo revisa la solidez de CLIP en varios desafíos.

Un marco propuesto mejora la seguridad del aprendizaje federado contra ataques adversariales.

Este artículo revisa las fortalezas y debilidades del modelo VMamba.

Una mirada a las amenazas que representan los LLMs y estrategias para defenderse.

Examinando el papel del deep learning en el análisis de imágenes médicas y las amenazas adversariales.

Las redes neuronales tropicales mejoran la resiliencia contra ataques adversariales en el aprendizaje automático.

Este artículo examina cómo los ataques adversarios alteran los conceptos aprendidos de las CNN.

Examinando cómo los ataques adversariales afectan las predicciones y explicaciones de la IA.

Un enfoque novedoso aumenta la fiabilidad del modelo de lenguaje mediante mecanismos de auto-recuperación.

Entender el impacto de los ataques adversariales en los modelos de aprendizaje automático.

Este artículo examina cómo los ataques adversariales comprometen los modelos de clasificación de texto.

Mejorar las herramientas para detectar lenguaje dañino en espacios en línea es clave para la seguridad.

Un nuevo método mejora la resistencia del seguimiento de objetos visuales frente a ataques sutiles.

Aprende sobre ataques adversariales y su impacto en los modelos de aprendizaje automático.

Explorando los factores clave que afectan la robustez contra ataques adversarios en el aprendizaje automático.

Un nuevo método revela vulnerabilidades en evaluaciones de calidad de imagen y video sin referencia.

Examinando la seguridad de los PDMs contra ataques adversariales en la creación de imágenes.

Un método para aumentar la fiabilidad del clasificador contra la manipulación de datos.

Una mirada a las amenazas de seguridad que presentan los LLMs de código ajustados por instrucciones.

Este artículo habla sobre cómo mejorar las CNNs aprovechando la información de baja frecuencia para ser más resistentes a ataques adversarios.

Este estudio examina las debilidades de los modelos SER frente a ataques adversariales en diferentes idiomas.

Box-NN mejora el rendimiento del modelo frente a desafíos adversariales con simplicidad y eficiencia.

Un clip de audio universal puede silenciar modelos de ASR avanzados como Whisper.

Nueva técnica de poda de capas mejora la eficiencia y precisión del modelo.

Este estudio mejora la seguridad del aprendizaje automático cuántico contra ataques adversariales a través de canales de ruido y métodos de privacidad.

Este artículo investiga las vulnerabilidades en los modelos de voz y formas de mejorar su seguridad.

Un nuevo mecanismo de defensa mejora la detección de objetos en drones bajo amenazas adversas.

Este estudio evalúa los rastreadores de transformadores frente a ataques adversariales en el seguimiento de objetos.

SCRN ofrece una forma confiable de identificar contenido generado por IA de manera efectiva.

Explorando los desafíos de los explicadores de GNN bajo ataques adversarios en aplicaciones críticas.

Nuevo método mejora la cuantificación de la incertidumbre en modelos entrenados de manera adversaria.

Un nuevo método revela vulnerabilidades en los modelos de preentrenamiento de visión-lenguaje a través de perturbaciones universales adversariales.

El marco RC-NAS mejora los modelos de aprendizaje profundo contra ataques adversariales de manera efectiva.

Un nuevo método revela vulnerabilidades en los métodos de explicación de GNN.

Un estudio examina la robustez de los modelos de segmentación contra ataques adversariales en el sector de la salud.

Un nuevo enfoque mejora la robustez de los Vision Transformers contra ataques adversariales.