arXiv cs.CR· Raik Dankworth, Felix M\"achtle, Thomas Eisenbarth, Gesina Schwalbe·2026-10-27 12:00· 7 小时前AI 评分50

基于概念属性的对抗攻击消除神经网络捷径

Attack logics, not outputs: Concept-based Property Attacks for Shortcut Elimination in Neural Networks

AI 摘要

该研究提出一种针对深度神经网络的“概念属性攻击”，通过验证人类可解释概念间的逻辑不一致性（如"red ∧ octogonal ⇒ stop_sign"）来替代传统的输出类别翻转。实证表明，该方法在多个视觉及代码处理模型上能更有效地消除语义偏差，且相比传统攻击搜索空间更小。

来源：arXiv cs.CR · arxiv.org