Artigos mais recentes para Exemplos Adversariais

Analisando como modelos de machine learning robustos afetam a eficácia das explicações.

Analisando como modelos contínuos impactam a robustez e o desempenho em aprendizado de máquina.

Um novo método pra criar exemplos adversariais direcionados de forma eficiente e eficaz.

Usando modelos de difusão pra melhorar a detecção de exemplos adversariais em machine learning.

Pesquisas mostram como a suavidade afeta os ataques adversariais na geração de imagens.

CleanSheet avança o sequestro de modelos sem mudar os processos de treinamento.

Um novo método pra melhorar a resistência das redes neurais a ataques, sem perder desempenho.

HQA-Attack cria exemplos adversariais de alta qualidade em texto enquanto mantém o significado.

Um olhar sobre os desafios de avaliar agentes de RL em ambientes em mudança.

Entendendo como construir sistemas de aprendizado de máquina mais confiáveis contra ameaças adversariais.

Avaliando a eficácia de GNN contra riscos de segurança em circuitos integrados.

Este estudo revela o que os atacantes sabem sobre ataques adversariais em modelos de reconhecimento de imagem.

Uma olhada na estrutura ProTIP para avaliar modelos de geração de imagem com IA.

Um novo método melhora a resiliência dos modelos a exemplos adversariais através do ajuste de prompts de texto.

Esse artigo discute métodos pra melhorar a resistência do deep learning a exemplos adversariais.

Novo método SSCAE melhora a geração de exemplos adversariais em processamento de linguagem natural.

Modelos de fundação como o CLIP trazem tanto oportunidades quanto perigos ocultos na IA.

Um novo conjunto de dados tem como objetivo melhorar os modelos de detecção de discurso de ódio para a língua alemã.

Técnicas de visão ativa melhoram a resistência do deep learning contra entradas adversariais.

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

Um novo método insere marcas d'água em imagens geradas pra proteger contra problemas de copyright.

Uma olhada nos riscos que o aprendizado de máquina adversarial traz para espaçonaves autônomas.

Analisando as fraquezas das DNNs contra exemplos adversariais e suas implicações.

Um novo método de treinamento melhora a segurança do modelo contra ataques universais.

Um novo método usa aprendizado por reforço pra gerar exemplos adversariais eficazes.

Uma nova abordagem melhora a segurança das redes neurais contra exemplos adversariais.

Melhorar a robustez do aprendizado de máquina contra exemplos adversariais é crucial para aplicações seguras.

NCS permite gerar exemplos adversariais de forma eficaz com custos computacionais mais baixos.

Uma olhada em como exemplos adversariais desafiam modelos de IA.

Um novo método pra melhorar o aprendizado contínuo sem exemplares, rastreando as mudanças na representação das classes.

Duas técnicas inovadoras melhoram ataques adversariais em modelos de dados tabulares.

Examinando o papel dos neurônios em modelos CLIP e suas interações.

Uma nova abordagem para o treinamento adversarial melhora o desempenho e a segurança dos sistemas de IA.

Um novo método melhora ataques direcionados usando amostras fáceis em redes neurais.

Esse artigo fala sobre um novo método pra melhorar a robustez contra ataques adversariais na classificação de imagens.

Uma olhada em modelos de aprendizado robustos e sua importância na segurança dos dados.

Um estudo sobre a eficácia dos detectores de OOD contra exemplos adversariais.

Apresentando o SPLITZ, um método pra melhorar a estabilidade de modelos de IA contra exemplos adversariais.

Novos métodos utilizando modelos de difusão aprimoram a cibersegurança contra exemplos adversariais.

VeriQR melhora a robustez em modelos de aprendizado de máquina quânticos contra ruídos.