针对监督学习和对比学习同时的高效可用性攻击

原文约300字，阅读约需1分钟。发表于：。

通过采用对比样本增强的方式，在监督学习和对比学习算法中实现了卓越的模型无法学习性能，以提高数据保护的能力。

提出了一种解决目标数据未被授权使用的方法，通过添加微不可见的扰动保护数据。同时，提出了一种新的方法通过纯化处理和联合条件扩散模型来去除噪音，实现对数据的保护。这种方法适用于有监督和无监督的数据，并且是一种通用的计数器测量方法。