TabularBench：现实应用中表格深度学习的对抗鲁棒性基准测试
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对表格深度学习中对抗攻击的不足进行了探讨，特别是缺乏标准化基准的问题。我们提出了TabularBench，这是首个全面评估表格深度学习分类模型鲁棒性的基准测试，揭示了针对表格模型的有效攻击方法。该工作为金融、医疗和安全领域提供了超过200种模型的基准数据，并提供了可以促进新防御机制设计的关键见解。
数据集蒸馏是一种高级技术，将数据集压缩为较小的对应物，同时保持强大的训练性能。本研究引入了一个全面的基准，评估最广泛的蒸馏数据集的对抗鲁棒性。通过结合更广泛的数据集蒸馏方法和对抗攻击方法，基准显著扩展。同时发现将蒸馏数据融入原始数据集的训练批次可以提高鲁棒性。
