Derniers articles pour Attaques adversariales

Présentation d'une nouvelle méthode pour améliorer les défenses des modèles contre les entrées adversariales.

Cet article présente une approche innovante pour améliorer la reconnaissance des panneaux de circulation.

Une compétition met en avant des stratégies pour défendre les modèles d'apprentissage automatique dans la finance.

DiffDefense propose une nouvelle façon de protéger les modèles d'IA contre les attaques adversariales.

Une plongée profonde dans comment des petits changements peuvent tromper les classificateurs.

La stéganalyse aide à détecter des messages cachés dans les multimédias, garantissant une communication sécurisée.

Examiner les faiblesses de la traduction automatique à travers des attaques adversariales.

Une nouvelle méthode d'attaque révèle des vulnérabilités dans la technologie de vérification faciale.

Des recherches montrent des faiblesses dans la façon dont les modèles de tables sont testés et évalués.

La recherche combine des modèles de langue et de diffusion pour améliorer les défenses contre les attaques adversariales.

Une nouvelle approche pour mieux identifier les attaques adversariales sur les systèmes d'apprentissage profond.

Une nouvelle méthode cible des zones difficiles pour des attaques adversariales efficaces dans la segmentation vidéo.

Examiner l'impact des attaques adversariales sur la technologie de Re-ID.

Une nouvelle méthode améliore la résistance de l'IA aux changements d'input nuisibles.

Une nouvelle méthode améliore la sécurité des Vision Transformers contre les attaques adverses.

Combiner des méthodes classiques et quantiques pour améliorer la précision de détection du cancer.

Utiliser des modèles de diffusion pour améliorer la détection des exemples adverses en apprentissage automatique.

Une nouvelle méthode améliore les classificateurs de texte en générant des exemples multilingues trompeurs.

PuriDefense renforce la sécurité des modèles d'apprentissage automatique contre les attaques en boîte noire de manière efficace et efficiente.

Une nouvelle approche renforce les modèles de traitement du langage naturel contre les attaques adversariales grâce à un paraphrasage ciblé.

De nouvelles méthodes améliorent la vérification de sécurité des réseaux de neurones bayésiens contre les attaques.

Un aperçu des risques de sécurité auxquels sont confrontés les appareils IoT renforcés par l'apprentissage automatique.

Une nouvelle méthode améliore la précision de la classification des images grâce à la correction des erreurs et à l'adaptation.

L'apprentissage automatique quantique combine innovation et efficacité, transformant l'analyse des données.

Une nouvelle méthode améliore les réseaux de neurones contre les attaques adversariales en utilisant des entrées basées sur des ensembles.

Cet article examine l'impact des caractéristiques des jeux de données sur la précision des modèles d'apprentissage automatique.

MixedNUTS propose une solution pour mélanger précision et robustesse dans l'apprentissage profond.

Ce travail propose une approche solide pour l'apprentissage par renforcement profond contre les attaques sur les données d'entrée.

Cette étude examine les attaques adversariales sur l'apprentissage profond, en se concentrant sur la performance des CNN.

Un nouveau cadre améliore l’analyse dynamique des graphes, en s’attaquant à des problèmes clés de représentation.

Des recherches montrent des vulnérabilités dans les modèles de langage qui impactent leur fiabilité et leur précision.

Une nouvelle méthode améliore la sécurité et l'efficacité des modèles d'apprentissage automatique.

Un nouveau cadre vise les vulnérabilités des classificateurs quantiques face aux attaques adverses.

Une étude révèle que les modèles de langage galèrent face à des manipulations de texte simples.

Examiner les dangers d'intégrer des modèles de langue dans des systèmes robotiques.

De nouvelles techniques visent à améliorer la précision des appareils activés par la voix contre les attaques.

Examen de comment les attaques adversariales impactent les évaluations des LLM et l'intégrité académique.

Une nouvelle approche pour améliorer la détection de malware grâce à une analyse par morceaux.

Explore les menaces à la vie privée et à la sécurité des technologies contrôlées par la voix.

Une nouvelle méthode améliore la sécurité des agents RL face aux perturbations adversariales.