深度神经网络对抗鲁棒性的时间高效评估与提升
机器学习
2025-12-25 v1
摘要
随着深度神经网络（DNN）在现代社会的广泛应用，确保其安全性已成为一个关键且紧迫的议题。为此，致力于红蓝对抗框架的大量努力被集中在一起，其中红队致力于识别DNN的漏洞，蓝队则致力于缓解这些漏洞。然而，来自双方的现有方法仍Computationally密集，限制了其在大规模模型上的适用性。为此，本论文致力于提供一种时间高效的方法，用于评估和提升DNN的对抗鲁棒性。
引用
@article{arxiv.2512.20893,
title = {Time-Efficient Evaluation and Enhancement of Adversarial Robustness in Deep Neural Networks},
author = {Runqi Lin},
journal= {arXiv preprint arXiv:2512.20893},
year = {2025}
}
备注
Ph.D. Thesis, The University of Sydney