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。
【CVPR2024】扩散模型的结构指导对抗训练
专知会员服务
21+阅读 · 2月28日
【干货书】生成式对抗学习:架构与应用,362页pdf
专知会员服务
169+阅读 · 2023年1月23日
IJCAI2022《对抗序列决策》教程,164页ppt
专知会员服务
44+阅读 · 2022年7月27日
【KDD2022】基于对抗性知识蒸馏的深度图神经网络压缩
专知会员服务
23+阅读 · 2022年6月10日
文本风格迁移研究综述
专知会员服务
33+阅读 · 2022年1月1日
专知会员服务
14+阅读 · 2021年9月23日
专知会员服务
32+阅读 · 2021年7月1日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
专知会员服务
22+阅读 · 2021年3月23日
生成对抗网络GAN在各领域应用研究进展(中文版),37页pdf
专知会员服务
149+阅读 · 2020年12月30日
参考链接
父主题
微信扫码咨询专知VIP会员