热点事件持续更新
MNIST与文本分类对抗样本攻击复现研究
1 篇报道1 个报道来源12 小时前更新
先了解这件事
报道摘要
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。
摘自 arXiv cs.CR
报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- arXiv cs.CR对抗噪声如何绕过 ML 分类器：MNIST 与 DistilBERT 的逃逸攻击研究
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。