通过删除稳健特征，我们发现了一种名为“自然去噪扩散攻击”的新型攻击。我们构建了大规模数据集评估文本-图像扩散模型的攻击能力，并证实了攻击的有效性。非稳健特征对于自然攻击能力起到了贡献作用。我们对一辆自动驾驶汽车进行了攻击，发现物理打印的攻击能够被识别为停止标志。希望我们的研究和数据集能够提高社区对扩散模型风险的认识，并推动深度神经网络模型的研究。

该研究提出了一种新颖的可重配置图模型，通过空间和时间关联提取稳健特征，解决跟踪过程中的分段轨迹问题。该模型适用于在线跟踪，在多个公共数据集上取得了最先进的性能。

本研究通过深度神经网络从EEG中学习稳健特征以自动检测癫痫。循环卷积神经网络通过捕获频谱、时间和空间信息学习了癫痫的空间不变表示。该方法在交叉患者分类器上的结果优于先前的结果，具有高灵敏度和低假阳性率。模型对于缺失通道和不同电极配置也表现出稳健性。