深伪检测器间对抗攻击可迁移
热点事件持续更新
深伪检测器间对抗攻击可迁移
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
Rafael M. Mamede、Pedro C. Neto 和 Ana F. Sequeira 对 60 个深伪检测器开展评估，发现源模型与目标模型共享骨干网络、架构家族、预训练方式或训练数据时，对抗样本的攻击迁移率更高。 研究使用 AutoAttack 和 CW-EOT 攻击，并发布了 24 万张对抗扰动图像、完整的检测器两两迁移结果、配置及评估代码。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 12:00
论文揭示对抗样本在深度伪造检测器间的迁移规律报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Machine Learning论文揭示对抗样本在深度伪造检测器间的迁移规律
该研究在60个深度伪造检测器上评估AutoAttack和CW--EOT攻击，发现源模型与目标模型共享骨干网络、架构家族、预训练方式或训练数据时，攻击迁移率更高。
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。