LI-Boost提升对抗样本迁移性
热点事件持续更新
LI-Boost提升对抗样本迁移性
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者 Bohan Liu 与 Xiaosen Wang 提出 Local Invariance Boosting（LI-Boost），通过提升对抗扰动对输入图像的局部不变性，增强对抗样本的跨模型迁移性。 据该研究，在 ImageNet 上，LI-Boost 提升了基于梯度、输入变换、模型相关、高级目标函数和集成五类迁移攻击的效果，并在 CNN、ViT、防御机制、商用视觉 API 及视觉语言模型上均有效。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
LI-Boost：提升局部不变性以增强对抗样本迁移性报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.CVLI-Boost：提升局部不变性以增强对抗样本迁移性
研究者提出 Local Invariance Boosting（LI-Boost），通过提升对抗扰动对输入图像的局部不变性来增强对抗样本的跨模型迁移性。在 ImageNet 上，该方法显著提升了基于梯度、输入变换、模型相关、高级目标函数和集成五类迁移攻击的效果，并在 CNN、ViT、防御机制、商用视觉 API 及视觉语言模型上均有效。
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。