Derniers articles pour Attaques adversariales

Une méthode pour identifier les attaques sur les systèmes en combinant des images et du texte.

Une nouvelle méthode aide à identifier rapidement les points faibles des modèles d'apprentissage profond.

Une nouvelle approche pour garantir la confidentialité tout en maintenant l'utilité du texte dans les modèles de traitement du langage naturel.

Les techniques de super résolution compliquent grave les efforts de détection des deepfakes.

TrackPGD teste les limites du suivi d'objets grâce à des attaques adversariales avancées.

Une étude sur la façon dont les VAE se comportent selon différents groupes démographiques sous attaque.

Une nouvelle méthode améliore la sécurité des réseaux de neurones en utilisant le calcul stochastique.

Explorer les menaces pour les systèmes DRL dans la gestion énergétique cyber-physique.

Examiner les vulnérabilités des modèles légers face aux attaques adversariales.

De nouvelles perspectives sur les classificateurs robustes améliorent leur capacité à résister aux attaques.

Cette étude montre comment les attaques non hostiles affectent les algorithmes d'embedding de graphes de connaissances.

Présentation de HO-FMN pour une meilleure évaluation de la robustesse des modèles d'apprentissage automatique face aux attaques adversariales.

Une nouvelle méthode améliore les attaques adversariales sur les modèles 3D en utilisant des techniques de diffusion.

Examiner les vulnérabilités et les attaques potentielles sur la technologie NeRF.

Présentation d'une méthode pour améliorer la résilience des systèmes d'IA grâce à des attaques adversariales multitâches.

Des recherches montrent comment des invites amicales peuvent tromper les systèmes d'IA.

Examiner les défis de la cybersécurité et le rôle de l'IA dans l'Industrie 5.0.

La préemption rapide offre une défense proactive pour les systèmes d'apprentissage profond contre les attaques.

Une étude sur l'amélioration des CNN en utilisant des étiquettes partielles et des modèles d'attaques adverses.

Cet article passe en revue les faiblesses des modèles multimodaux face à différents types d'attaques.

Explorer les menaces des attaques adversariales en imagerie médicale.

MALT améliore l'efficacité et le succès des attaques adversariales dans les modèles de classification d'images.

Cet article examine des méthodes pour protéger les systèmes de qualité d'image contre les attaques adversariales.

Une nouvelle méthode renforce la résilience des VAE face à des manipulations de données compliquées.

Examiner les vulnérabilités des transformers de vision et des modèles en aval à travers des attaques de transfert.

Examen des vulnérabilités et des défenses dans les modèles de diffusion pour une génération de contenu sûre.

Explorer l'impact des attaques adversariales sur l'explicabilité dans l'apprentissage profond.

De nouvelles méthodes améliorent la résistance des modèles de deep learning aux changements adverses.

Traiter les risques des images IRM dans le diagnostic de la maladie d'Alzheimer avec des méthodes de détection avancées.

Les attaques par mélange révèlent des vulnérabilités dans les évaluations de l'équité de l'IA en utilisant des méthodes comme SHAP.

Cet article parle d'améliorer la robustesse des modèles d'apprentissage automatique quantique face aux attaques adversariales.

Une nouvelle approche vise à améliorer la résistance de l'apprentissage actif aux attaques.

Une nouvelle méthode cible efficacement plusieurs systèmes d'authentification faciale.

Une nouvelle méthode utilise du maquillage pour améliorer la vie privée dans les systèmes de reconnaissance faciale.

S'attaquer aux défis des attaques adverses sur les réseaux de neurones pour les séries temporelles.

De nouvelles méthodes améliorent la défense des modèles d'apprentissage automatique contre les attaques adversariales.

Une nouvelle méthode utilise IWMF pour améliorer la reconnaissance faciale contre les attaques adversariales.

Une nouvelle méthode d'attaque contrecarrée les systèmes de détection des deepfakes.

Améliorer les méthodes de détection de botnets grâce à l'apprentissage machine et aux stratégies de défense contre les attaques.

Apprends comment le watermarking protège les modèles d'IA et défend les droits des créateurs.