通过数据增强算法减轻目标比特翻转攻击的影响

Mitigating Targeted Bit-Flip Attacks via Data Augmentation

随着深度神经网络（DNN）在复杂任务中的性能逐渐增强，深度神经网络的应用（如计算机视觉、自然语言处理等）越来越广泛。对于安全关键任务，如生物医学诊断、自主车辆和智能交通，DNN模型的安全性和鲁棒性至关重要。本课题旨在研究这些目标比特翻转攻击的方式，从而探索一种方法来减轻这类攻击对于模型的影响。

重要程度：

暂无留言

留言