檢索結果:共11筆資料 檢索策略: "Adversarial Attack".ekeyword (精準)
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
在這幾年來深度神經網路不斷的發展及進步,在許多的任務中達到令人印 象深刻的結果,為了要達到更好的結果,眾人不停的在資料集、特徵處理或者 模型架構、參數調校方面花費許多心力,而模型的穩健性往往被人忽略…
2
none
3
現有的對抗式攻擊大多依賴白箱的場景設置,然而在現實中,防守者會避 免洩露任何有用的資訊給攻擊者,使戰場轉為黑箱的場景設置,這使對抗式攻 擊變成相對具有挑戰性的任務。為了解決這些問題,大多數現有的攻擊…
4
隨著數位世界的快速發展,惡意軟體已成為網路安全上的重大威脅。在惡意軟體檢測中,機器學習扮演著關鍵的角色。然而,攻擊者持續不斷地尋找建立對抗性樣本以繞過檢測器的方法,這使得惡意軟體檢測器的穩健性成為一…
5
深度學習已成功應用於從圖像識別到物件偵測等多個領域、在多種任務中都取得了顯著的成功。然而,如果無法預測模型的泛化能力(generalization),就無法確保模型在未見過數據上的最差表現,這對關鍵…
6
可用於保護人類隱私權方面的對抗攻擊,其常見的方法之一的就是貼在人身上的對 抗補丁,藉由其對抗補丁的大幅度擾動,使神經網路的機器視覺異常,因而造成機器視 覺中的人類影像不被偵測到或是分錯類別,使得被貼…
7
惡意軟體在物聯網的資安問題上一直是最重要的威脅之一.最近的研究表示基於機器學習的靜態惡意軟體檢測器在面對未知的惡意軟體有著非常強力的檢測效果.其中,利用control flow graph (CFG…
8
近期,對抗式攻擊研究受到愈來愈多學者關注,由於對抗式攻擊難以察覺,對機器學習應用而言是潛在的安全威脅。在過去,對抗式攻擊必須先取得模型內部參數。然而,在無法獲取模型參數的狀況下,近年來也有學者提出利…
9
為了識別現在非常流行且有重大危害的物聯網惡意軟體,許多針對惡意軟體的檢測方法被提了出來,但現有許多檢測方法並不是以實際惡意程式存在的區段進行判別,而只學習到惡意程式與正常程式的差異,並不是非常有價值…
10