Articoli più recenti per Attacchi Avversariali

La ricerca dimostra che i dati EEG possono aiutare le reti neurali artificiali a resistere agli attacchi avversariali.

Un metodo che migliora la rete neurale convoluzionale concentrandosi sulle aree chiave dell'immagine per prendere decisioni migliori.

Presentiamo PIP, uno strumento per rilevare attacchi avversari nei LVLM.

I progressi nell'IA rendono comuni gli audio falsi, spingendo a cercare modi per rilevarli.

Una nuova misura per potenziare i sistemi di rilevamento delle intrusioni in rete contro attacchi avversari.

Esplorando le Sparse Neural Networks e le loro performance con dati di addestramento difficili.

XSub sfrutta l'AI spiegabile per migliorare gli attacchi avversari, sollevando preoccupazioni per la sicurezza.

Esaminare attacchi efficienti sulla Classificazione Automatica di Modulazione usando il Rapporto Aureo.

Un nuovo metodo per migliorare i modelli di deep learning contro attacchi avversari.

Affrontare i rischi di sicurezza nell'AI generativa attraverso il red e blue teaming.

Esplorare l'equilibrio tra minacce avversarie e misure proactive nel machine learning.

Esplorare le vulnerabilità nel riconoscimento facciale causate da attacchi di watermarking avversariale.

Valutare le prestazioni dell'IA usando l'analisi di sopravvivenza per l'affidabilità contro le sfide.

SWE2 migliora il riconoscimento dell'odio sui social media con tecniche avanzate.

Esaminando il ruolo dei classificatori, in particolare i modelli CVFR, nel machine learning.

Una nuova strategia di allenamento migliora la resistenza dei sistemi di visione 3D a input fuorvianti.

Nuovo metodo migliora l'accuratezza nel conteggio delle folle e l'affidabilità del modello.

Una panoramica dei metodi tradizionali e di deep learning nella sicurezza delle reti.

Un nuovo approccio migliora l'affidabilità nei sistemi di risposta alle domande.

Nuovo metodo di allenamento migliora la sicurezza e le performance dei LLM.

L'analisi dei mammogrammi affronta rischi da attacchi informatici, richiedendo difese AI più forti.

Esaminare come gli attacchi avversariali influenzano i modelli di classificazione di testo e immagini.

Un nuovo approccio migliora l'accuratezza e la sicurezza dei BCI contro gli attacchi.

I chip AIMC sembrano promettenti per difendere l'IA da attacchi astuti.

Come le associazioni di parole complicate confondono il processamento del linguaggio nei computer.

Esaminando strategie per migliorare l'affidabilità del deep learning contro minacce avversarie.

Scopri come gli attacchi avversari manipolano il deep learning tramite tecniche di rendering differenziabile.

Esplorare i punti di forza della generazione di codice umana rispetto a quella automatizzata.

I sistemi di intelligenza artificiale affrontano nuovi rischi da attacchi solo su edge che ingannano le previsioni.

PG-ECAP crea pezzi dall'aspetto naturale per confondere efficacemente i sistemi di riconoscimento dei computer.

RobustCRF migliora la resilienza delle GNN mantenendo le prestazioni nelle applicazioni del mondo reale.

Esaminare attacchi avversariali e promuovere l'equità attraverso il mixup training.

Scopri come il potatura dei layer migliora l'efficienza e le prestazioni del modello.

Uno sguardo alle sfide e ai nuovi metodi per combattere gli attacchi avversari.

Presentiamo DMS-IQA, un metodo affidabile per valutare la qualità delle immagini contro attacchi avversariali.

Una nuova strategia per affrontare più compiti nei deep neural networks.

L'attacco ABBG disturba i tracker di oggetti visivi che usano la tecnologia dei transformer.

Le foglie possono confondere i sistemi di riconoscimento delle immagini nelle auto a guida autonoma.

Esplorare come le reti iperboliche possano resistere agli attacchi avversari.

Scopri come la forensica digitale aiuta a risolvere i crimini usando strumenti avanzati.