Derniers articles pour Attaques adversariales

Introduction de l'hypervolume adversarial pour mieux évaluer la performance des modèles de deep learning.

Ce paper parle de l'entraînement adversarial pour des classifieurs de machine learning quantique robustes.

Une nouvelle approche améliore les performances du modèle face aux changements de distribution et aux attaques adversariales.

Améliorer la robustesse contre les attaques adversariales dans les modèles vision-langue.

Cet article passe en revue la robustesse de CLIP face à divers défis.

Un cadre proposé renforce la sécurité de l'apprentissage fédéré contre les attaques adverses.

Cet article passe en revue les forces et les faiblesses du modèle VMamba.

Un aperçu des menaces posées par les LLM et des stratégies de défense.

Examiner le rôle de l'apprentissage profond dans l'analyse d'images médicales et les menaces adversariales.

Les réseaux de neurones tropicaux renforcent la résilience contre les attaques adversariales en apprentissage automatique.

Cet article examine comment les attaques adversaires modifient les concepts appris des CNN.

Examiner comment les attaques adversariales affectent les prédictions et les explications de l'IA.

Une nouvelle approche améliore la fiabilité des modèles de langage grâce à des mécanismes d'auto-réparation.

Comprendre l'impact des attaques adversariales sur les modèles de machine learning.

Cet article examine comment les attaques adversariales compromettent les modèles de classification de texte.

Améliorer les outils pour détecter le langage nuisible dans les espaces en ligne est super important pour la sécurité.

Une nouvelle méthode améliore la résilience du suivi d'objets visuels face à des attaques subtiles.

Apprends sur les attaques adversariales et leur impact sur les modèles de machine learning.

Explorer les facteurs clés qui influencent la robustesse contre les attaques adversariales en apprentissage automatique.

Une nouvelle méthode révèle des vulnérabilités dans les évaluations de la qualité d'images et de vidéos sans référence.

Examiner la sécurité des PDM contre les attaques adversariales dans la création d'images.

Une méthode pour augmenter la fiabilité des classifieurs contre la manipulation des données.

Un aperçu des menaces à la sécurité posées par les LLMs de code ajustés aux instructions.

Cet article parle d'améliorer les CNN en utilisant des informations basse fréquence pour être plus résilients face aux attaques adversariales.

Cette étude examine les faiblesses des modèles SER face aux attaques adversariales dans différentes langues.

Box-NN améliore les performances du modèle face aux défis adverses avec simplicité et efficacité.

Un clip audio universel peut couper des modèles ASR avancés comme Whisper.

Une nouvelle technique d'élagage de couches améliore l'efficacité et la précision du modèle.

Cette étude améliore la sécurité de l'apprentissage automatique quantique contre les attaques adversariales grâce à des canaux de bruit et des méthodes de confidentialité.

Cet article examine les vulnérabilités des modèles de discours et les moyens d'améliorer leur sécurité.

Un nouveau mécanisme de défense améliore la détection d'objets dans les drones face à des menaces adverses.

Cette étude évalue les trackers à transformateur face aux attaques adversariales dans le suivi d'objets.

SCRN propose un moyen fiable pour identifier efficacement le contenu généré par l'IA.

Explorer les défis des explicateurs de GNN sous des attaques adversariales dans des applications critiques.

Une nouvelle méthode améliore la quantification de l'incertitude dans les modèles entraînés de manière adversariale.

Une nouvelle méthode révèle des vulnérabilités dans les modèles de pré-entraînement vision-langage grâce à des perturbations adversariales universelles.

Le cadre RC-NAS renforce les modèles d'apprentissage profond contre les attaques adversariales de manière efficace.

Une nouvelle méthode révèle des vulnérabilités dans les méthodes d'explication des GNN.

Une étude examine la robustesse des modèles de segmentation face aux attaques adversariales dans le domaine de la santé.

Une nouvelle approche renforce la robustesse des Vision Transformers contre les attaques adversariales.