arXiv cs.CR· Parker Hummel (Minot State University), Ryne Skabo (Minot State University), Muhammad Abusaqer (Minot State University)·2026-10-02 12:00· 11 小时前AI 评分42

对抗噪声如何绕过 ML 分类器：MNIST 与 DistilBERT 的逃逸攻击研究

Evasion Attacks: How Adversarial Noise Bypasses ML Classifiers

AI 摘要

该研究复现了图像与文本分类中的逃逸攻击，显示 MNIST 模型在 FGSM 攻击下准确率从 98.63% 降至 1.72%，而 DistilBERT 在特定扰动下仅产生微弱概率变化。实验表明对抗脆弱性具有强模态依赖性，且鲁棒性需通过实证测试而非依赖清洁准确率推断。

来源：arXiv cs.CR · arxiv.org

#论文/研究 #安全/对齐 #攻击面