檢索結果：共6筆資料 檢索策略： "資訊工程系".dept (精準) and ckeyword.raw="對抗式樣本"
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
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…
3
近年 AI 被大家廣為使用和依賴，然而對抗式樣本的出現卻影響了 AI 模型 的穩健性。對抗式樣本是一種特別設計的樣本，以其作為模型的輸入會讓模型 做出錯誤的預測，然而這些樣本卻不會影響人類的判定。不…
4
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…
5
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…
6
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…