BriefGPT - AI 论文速递
·
基于掩蔽语言模型的多粒度藏文文本对抗攻击方法
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新的多粒度文本对抗攻击方法TSTricker，针对藏语文本中的神经网络模型弱点。实验结果显示，该方法显著提升了攻击效果，使分类模型准确率下降超过28.70%。
🎯
关键要点
- 本研究提出了一种新的多粒度文本对抗攻击方法TSTricker。
- 该方法针对藏语文本中的神经网络模型弱点。
- 使用掩蔽语言模型生成候选替代音节或单词。
- 采用评分机制确定替代顺序。
- 实验结果显示，该方法显著提升了攻击效果。
- 分类模型的准确率下降超过28.70%。
➡️
