CERT-ED: 编辑距离下的可验证健壮文本分类
原文中文，约300字，阅读约需1分钟。发表于：。通过随机删除（Huang 等人，2023）的方式，我们提出了一种适用于自然语言分类的保护方法 CERT-ED，通过全面的实验，我们证明 CERT-ED 在准确性和证书的基数方面在 5 个数据集中优于现有的海明距离方法 RanMASK（Zeng 等人，2023），在包括 5 个直接攻击和 5 个迁移攻击的各种威胁模型下，我们的方法在 50 个设置中提高了 38 个实验鲁棒性。
研究人员提出了一种适用于自然语言分类的保护方法CERT-ED，通过随机删除的方式进行实验。实验证明，CERT-ED在准确性和证书的基数方面优于现有的海明距离方法RanMASK。在各种威胁模型下，CERT-ED提高了实验鲁棒性。
