随着对抗样本的危险性日益凸显，提高模型的鲁棒性成为研究的主要方向之一，然而，在评估鲁棒性方面还没有统一的标准，使得不同的防御方法之间对比存在很大的困难。
鲁棒性认证方法-鲁帅原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/09/13/%e9%b2%81%e6%a3%92%e6%80%a7%e8%ae%a4%e8%af%81%e6%96%b9%e6%b3%95/
特定安全领域中的对抗样本防御方法
上一篇
2021年8月31日 上午10:09
日志数据的深度学习异常检测方法
下一篇
2021年9月23日 上午8:24
相关推荐
-
基于行为语义分析的android恶意软件分析方法
Android恶意软件对社会造成较大危害。为此，本文介绍了一种基于关联行为分析的Android恶意软件检测系统，该方法具有较强的行为表征能力，能有效的应对各种进化变异的恶意软件。
-
从任务划分就开始与众不同的元学习
meta-learning即元学习，也可以称为“learning to learn”。常见的深度学习模型，目的是学习一个用于预测的数学模型。而元学习面向的不是学习的结果，而是学习的…
-
面向数据异构与通信高效的联邦大模型优化与应用研究
联邦大模型将联邦学习与大语言模型相结合，遵循“数据不动、模型动”的原则，在无需集中原始数据的前提下，共同训练与优化大模型。该技术能有效破解数据孤岛，为医疗、教育等领域提供隐私安全的…
-
Floyd解决传递闭包
传递闭包：在数学上的定义——在集合X上的二元关系R的传递闭包是包含R的X上的最小传递关系。其中定义域是数据集X，而运算关系是必须具有传递性，这里的最小传递关系指的是包含所有可达路径…
-
深度神经网络模型窃取防御方法
模型窃取防御技术能够促进深度神经网络的健康发展，推动数据交流与共享。本次报告从大范围的模型窃取防御领域，聚焦到一类算法，从数学公式上对算法进行详细的分析，并对实验结果进行详细解读，…
-
深度学习模型校准技术
深度学习模型校准技术是模型预测可靠性的重要保障手段之一，其通过正则化或后处理方法调节模型对样本实例上的置信度，使其与预测的真实概率良好匹配。本次报告介绍了深度学习模型校准的基本概念…
-
深度生成模型
近年，机器学习已经在计算机视觉、语音识别、语音合成以及自然语言处理（NLP）领域取得了突破性成果，在机器翻译和情感计算中展现的能力也颇令人期待。 其中机器学习方法可以分为生成方法（…
-
域自适应网络框架DANE
本次报告介绍一种域自适应网络嵌入框架DANE，该框架解决了嵌入空间偏移和嵌入分布偏移的问题。在DANE中，来自多个网络的节点通过一组共享的可学习参数被编码为向量，以便向量共享对齐的…
-
基于GNN的加密流量方法
本次报告围绕基于GNN的加密流量分类技术展开，首先阐述了基于GNN的加密流量分类的基本概念、研究背景和研究意义，然后介绍了传统加密流量识别方法的特点与优劣势，并介绍了利用GNN进行…
-
大模型越狱攻击的检测技术
本次报告围绕大模型越狱攻击的检测技术展开，首先阐述了越狱检测的定义，然后介绍了常见的越狱攻击以及检测技术的研究现状。接着详细介绍了GradSafe和JailGuard两种主流方法，…
