会员服务
对抗学习是一种机器学习技术，旨在通过提供欺骗性输入来欺骗模型。最常见的原因是导致机器学习模型出现故障。大多数机器学习技术旨在处理特定的问题集，其中从相同的统计分布（IID）生成训练和测试数据。当这些模型应用于现实世界时，对手可能会提供违反该统计假设的数据。可以安排此数据来利用特定漏洞并破坏结果。
Human-Humanoid Robots Cross-Embodiment Behavior-Skill Transfer Using Decomposed Adversarial Learning from Demonstration
Arxiv
0+阅读 · 12月19日
A Review of the Duality of Adversarial Learning in Network Intrusion: Attacks and Countermeasures
Arxiv
0+阅读 · 12月18日
Boosting Fine-Grained Visual Anomaly Detection with Coarse-Knowledge-Aware Adversarial Learning
Arxiv
0+阅读 · 12月17日
DeMem: Privacy-Enhanced Robust Adversarial Learning via De-Memorization
Arxiv
0+阅读 · 12月10日
DeMem: Privacy-Enhanced Robust Adversarial Learning via De-Memorization
Arxiv
0+阅读 · 12月8日
Explainable Adversarial Learning Framework on Physical Layer Secret Keys Combating Malicious Reconfigurable Intelligent Surface
Arxiv
0+阅读 · 12月8日
Self-supervised 3D Point Cloud Completion via Multi-view Adversarial Learning
Arxiv
0+阅读 · 11月6日
Flexible Fairness-Aware Learning via Inverse Conditional Permutation
Arxiv
0+阅读 · 11月1日
Adversarial Consistency and the Uniqueness of the Adversarial Bayes Classifier
Arxiv
0+阅读 · 10月21日
Achieving Fairness in Predictive Process Analytics via Adversarial Learning
Arxiv
0+阅读 · 10月3日
LiRA: Light-Robust Adversary for Model-based Reinforcement Learning in Real World
Arxiv
0+阅读 · 9月29日
RobustSVC: HuBERT-based Melody Extractor and Adversarial Learning for Robust Singing Voice Conversion
Arxiv
0+阅读 · 9月10日
Adversarial Domain Adaptation for Cross-user Activity Recognition Using Diffusion-based Noise-centred Learning
Arxiv
0+阅读 · 8月31日
SEAL: Towards Safe Autonomous Driving via Skill-Enabled Adversary Learning for Closed-Loop Scenario Generation
Arxiv
0+阅读 · 9月16日
Kernel Adversarial Learning for Real-world Image Super-resolution
Arxiv
0+阅读 · 9月5日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top