热点事件持续更新
重要性引导扰动分配提升对抗攻击成功率
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年10月3日，arXiv cs.LG 发布一项研究，提出重要性引导的扰动分配机制。该机制利用固定的干净梯度先验，在共享 ℓ1 预算与局部幅度约束下，将扰动导向模型敏感区域。在十组鲁棒模型—数据集配置中，该方法相比匹配的 APGD 和 PMA 基线，将攻击成功率提升 2.52 至 17.70 个百分点，且未增加全局 ℓ1 消耗。消融实验显示，中心化非均匀重分配贡献了部分增益，模型导出的重要性带来额外提升。目前进展为该方法在实验中验证了有效性，尚无后续报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
研究显示重要性引导扰动分配在十组配置中提升攻击成功率2.52至17.70个百分点。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）别浪费噪声：联合全局与局部约束下的重要性引导扰动分配
研究提出一种重要性引导的扰动分配机制，利用固定的干净梯度先验，在共享 ℓ1 预算与局部幅度约束下将扰动导向模型敏感区域。在十组鲁棒模型—数据集配置中，该方法相比匹配的 APGD 和 PMA 基线将攻击成功率提升 2.52 至 17.70 个百分点，且未增加全局 ℓ1 消耗。消融实验显示，中心化非均匀重分配贡献了部分增益，模型导出的重要性带来额外提升。
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。