Últimos artículos para Ejemplos adversariales

Examinando cómo los modelos de aprendizaje automático robustos afectan la efectividad de las explicaciones.

Analizando cómo los modelos continuos afectan la robustez y el rendimiento en el aprendizaje automático.

Un nuevo método para crear ejemplos adversariales dirigidos de manera eficiente y efectiva.

Usando modelos de difusión para mejorar la detección de ejemplos adversariales en el aprendizaje automático.

La investigación destaca el impacto de la suavidad en los ataques adversariales en la generación de imágenes.

CleanSheet avanza el secuestro de modelos sin alterar los procesos de entrenamiento.

Un nuevo método para mejorar la resistencia de las redes neuronales a ataques sin perder rendimiento.

HQA-Attack crea ejemplos adversariales de alta calidad en texto mientras mantiene el significado.

Una mirada a los desafíos de evaluar agentes de RL en entornos cambiantes.

Entender cómo construir sistemas de aprendizaje automático más confiables contra amenazas adversariales.

Evaluando la efectividad de GNN contra riesgos de seguridad en circuitos integrados.

Este estudio revela lo que los atacantes saben sobre los ataques adversariales contra modelos de reconocimiento de imágenes.

Una mirada al marco ProTIP para evaluar modelos de generación de imágenes con IA.

Un nuevo método mejora la resiliencia de los modelos frente a ejemplos adversariales ajustando los mensajes de texto.

Este artículo habla sobre métodos para mejorar la resiliencia del aprendizaje profundo frente a ejemplos adversariales.

El nuevo método SSCAE mejora la generación de ejemplos adversariales en el procesamiento de lenguaje natural.

Los modelos de base como CLIP presentan tanto oportunidades como peligros ocultos en la IA.

Un nuevo conjunto de datos tiene como objetivo mejorar los modelos de detección de discurso de odio para el idioma alemán.

Las técnicas de visión activa mejoran la resiliencia del aprendizaje profundo contra entradas adversariales.

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

Un nuevo método incrusta marcas de agua en las imágenes generadas para protegerse contra problemas de derechos de autor.

Una mirada a los riesgos que el aprendizaje automático adversarial representa para las naves espaciales autónomas.

Examinando las debilidades de las DNNs frente a ejemplos adversariales y sus implicaciones.

Un nuevo método de entrenamiento mejora la seguridad del modelo contra ataques universales.

Un nuevo método usa aprendizaje por refuerzo para generar ejemplos adversariales efectivos.

Un nuevo enfoque mejora la seguridad de las redes neuronales contra ejemplos adversarios.

Mejorar la robustez del aprendizaje automático contra ejemplos adversariales es clave para aplicaciones seguras.

NCS permite la generación efectiva de ejemplos adversariales con menores costos computacionales.

Una mirada a cómo los ejemplos adversariales desafían a los modelos de IA.

Un nuevo método para mejorar el aprendizaje continuo sin ejemplares al rastrear los cambios en la representación de clases.

Dos técnicas innovadoras mejoran los ataques adversariales en modelos de datos tabulares.

Examinando el papel de las neuronas en los modelos CLIP y sus interacciones.

Un nuevo enfoque para el entrenamiento adversarial mejora el rendimiento y la seguridad de los sistemas de IA.

Un nuevo método mejora los ataques dirigidos usando muestras fáciles en redes neuronales.

Este artículo habla sobre un nuevo método para mejorar la robustez contra ataques adversariales en la clasificación de imágenes.

Una mirada a los modelos de aprendizaje robustos y su importancia en la seguridad de datos.

Un estudio sobre la efectividad de los detectores de OOD contra ejemplos adversariales.

Te presento SPLITZ, un método para mejorar la estabilidad de modelos de IA contra ejemplos adversariales.

Nuevos métodos que utilizan modelos de difusión mejoran la ciberseguridad contra ejemplos adversariales.

VeriQR mejora la robustez en modelos de aprendizaje automático cuántico contra el ruido.