提升人工智能系统的安全性:一种检测深度神经网络后门的新方法
我们的研究利用先进的张量分解算法(独立向量分析、多集合规范相关分析和并行因子分析)分析训练好的深度神经网络的权重,有效地区分带后门和干净的模型,从而增强网络系统中深度学习和人工智能的安全性。
本文介绍了一种新的神经网络后门检测和修复方法,通过实验证明其在文本和图像分类中的有效性。该方法可以检测和修复植入后门的数据,无需可验证和可信数据集。
BriefGPT - AI 论文速递 -
我们的研究利用先进的张量分解算法(独立向量分析、多集合规范相关分析和并行因子分析)分析训练好的深度神经网络的权重,有效地区分带后门和干净的模型,从而增强网络系统中深度学习和人工智能的安全性。
本文介绍了一种新的神经网络后门检测和修复方法,通过实验证明其在文本和图像分类中的有效性。该方法可以检测和修复植入后门的数据,无需可验证和可信数据集。
热榜 Top10
标签 Top100
全部ai 语言模型 神经网络 linux llm 开源 微软 .net python 数据集 google 人工智能 算法 apple 扩散模型 安全 苹果 机器学习 java 深度学习 android 游戏 rust postgresql 建模 机器人 漏洞 谷歌 ios windows openai mysql c# api 开发者 spring 大模型 函数 gpt github chatgpt 卷积 教程 数据库 windows 11 microsoft web nvidia iphone mongodb 强化学习 内存 security 浏览器 插件 sql docker cloud 编码器 基准测试 wordpress 程序员 大语言模型 黑客 mac 欧盟 总结 入门 联邦学习 sora 流量 无监督 postgres 解决方案 c++ 一致性 generative ai 视图 redis 点云 网络安全 spring boot 工程师 swift 硬件 pdf 接口 多智能体 前端 单片机 重建 visual studio git 源码 容器 kubernetes ceo 马斯克 cpu 内核
赞助商
我也要赞助推荐或自荐