Artigos mais recentes para Ataques Adversariais

Introduzindo o hypervolume adversarial pra avaliar melhor o desempenho de modelos de deep learning.

Esse artigo fala sobre treinamento adversarial para classificadores quânticos de aprendizado de máquina robustos.

Uma nova abordagem melhora o desempenho do modelo contra mudanças de distribuição e ataques adversariais.

Melhorando a robustez contra ataques adversariais em modelos de visão-linguagem.

Este artigo analisa a robustez do CLIP em vários desafios.

Um framework proposto melhora a segurança do aprendizado federado contra ataques adversariais.

Este artigo analisa os pontos fortes e fracos do modelo VMamba.

Um olhar sobre as ameaças que os LLMs trazem e estratégias de defesa.

Analisando o papel do deep learning na análise de imagens médicas e ameaças adversariais.

Redes neurais tropicais melhoram a resistência contra ataques adversariais em aprendizado de máquina.

Este artigo analisa como ataques adversariais mudam os conceitos aprendidos pelas CNNs.

Analisando como ataques adversariais afetam as previsões e explicações da IA.

Uma nova abordagem melhora a confiabilidade dos modelos de linguagem através de mecanismos de auto-reparação.

Entendendo o impacto de ataques adversariais em modelos de aprendizado de máquina.

Este artigo analisa como ataques adversariais comprometem modelos de classificação de texto.

Melhorar ferramentas pra detectar linguagem prejudicial em espaços online é super importante pra segurança.

Um novo método melhora a resistência do rastreamento visual de objetos contra ataques sutis.

Aprenda sobre ataques adversariais e seu impacto nos modelos de aprendizado de máquina.

Explorando os fatores principais que afetam a robustez contra ataques adversariais em aprendizado de máquina.

Novo método revela vulnerabilidades nas avaliações de qualidade de imagem e vídeo sem referência.

Analisando a segurança dos PDMs contra ataques adversariais na criação de imagens.

Um método pra aumentar a confiabilidade do classificador contra manipulação de dados.

Uma olhada nas ameaças de segurança que os Code LLMs ajustados por instrução representam.

Este artigo fala sobre como melhorar as CNNs aproveitando informações de baixa frequência para ter mais resistência contra ataques adversariais.

Esse estudo analisa as fraquezas dos modelos SER em relação a ataques adversariais em diferentes línguas.

Box-NN melhora o desempenho do modelo contra desafios adversariais com simplicidade e eficiência.

Um clipe de áudio universal pode silenciar modelos avançados de ASR como o Whisper.

Nova técnica de poda de camadas melhora a eficiência e a precisão do modelo.

Este estudo melhora a segurança do aprendizado de máquina quântico contra ataques adversariais através de canais de ruído e métodos de privacidade.

Esse artigo investiga vulnerabilidades em modelos de fala e maneiras de aumentar a segurança deles.

Um novo mecanismo de defesa melhora a detecção de objetos em drones sob ameaças adversárias.

Este estudo avalia rastreadores de transformadores contra ataques adversariais no rastreamento de objetos.

SCRN oferece uma maneira confiável de identificar conteúdo gerado por IA de forma eficaz.

Explorando os desafios dos explicadores de GNN sob ataques adversariais em aplicações críticas.

Novo método melhora a quantificação da incerteza em modelos treinados de forma adversarial.

Novo método revela vulnerabilidades em modelos de Pré-treinamento de Visão e Linguagem através de perturbações adversariais universais.

A estrutura RC-NAS melhora modelos de deep learning contra ataques adversariais de forma eficaz.

Novo método revela vulnerabilidades nos métodos de explicação de GNN.

Estudo analisa a resistência de modelos de segmentação contra ataques adversariais na área da saúde.

Uma nova abordagem melhora a robustez dos Transformers de Visão contra ataques adversariais.