Buchumschlag

Adversarial Training against Location-Optimized Adversarial Patches

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rao, Sukrut, Stutz, David, Schiele, Bernt
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Computer Vision and Pattern Recognition Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Benchmarking Adversarial Patch Selection and Location
von: Kimhi, Shai, et al.
Veröffentlicht: (2025)

ImageNet-Patch: A Dataset for Benchmarking Machine Learning Robustness against Adversarial Patches
von: Pintor, Maura, et al.
Veröffentlicht: (2022)

BB-Patch: BlackBox Adversarial Patch-Attack using Zeroth-Order Optimization
von: Kumar, Satyadwyoom, et al.
Veröffentlicht: (2024)

DIFFender: Diffusion-Based Adversarial Defense against Patch Attacks
von: Kang, Caixin, et al.
Veröffentlicht: (2023)

Exploring Adversarial Attacks against Latent Diffusion Model from the Perspective of Adversarial Transferability
von: Chen, Junxi, et al.
Veröffentlicht: (2024)

PatchDEMUX: A Certifiably Robust Framework for Multi-label Classifiers Against Adversarial Patches
von: Jacob, Dennis, et al.
Veröffentlicht: (2025)

Real-world Adversarial Defense against Patch Attacks based on Diffusion Model
von: Wei, Xingxing, et al.
Veröffentlicht: (2024)

Enhancing Remote Adversarial Patch Attacks on Face Detectors with Tiling and Scaling
von: Okano, Masora, et al.
Veröffentlicht: (2024)

Towards Better Understanding Attribution Methods
von: Rao, Sukrut, et al.
Veröffentlicht: (2022)

Adversarial Training in Low-Label Regimes with Margin-Based Interpolation
von: Ye, Tian, et al.
Veröffentlicht: (2024)

DataFreeShield: Defending Adversarial Attacks without Training Data
von: Lee, Hyeyoon, et al.
Veröffentlicht: (2024)

AICAttack: Adversarial Image Captioning Attack with Attention-Based Optimization
von: Li, Jiyao, et al.
Veröffentlicht: (2024)

Adversarial Pruning: A Survey and Benchmark of Pruning Methods for Adversarial Robustness
von: Piras, Giorgio, et al.
Veröffentlicht: (2024)

Transcending Adversarial Perturbations: Manifold-Aided Adversarial Examples with Legitimate Semantics
von: Li, Shuai, et al.
Veröffentlicht: (2024)

Continual Adversarial Defense
von: Wang, Qian, et al.
Veröffentlicht: (2023)

Better Understanding Differences in Attribution Methods via Systematic Evaluations
von: Rao, Sukrut, et al.
Veröffentlicht: (2023)

Anomaly Unveiled: Securing Image Classification against Adversarial Patch Attacks
von: Chattopadhyay, Nandish, et al.
Veröffentlicht: (2024)

$σ$-zero: Gradient-based Optimization of $\ell_0$-norm Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

AED-PADA:Improving Generalizability of Adversarial Example Detection via Principal Adversarial Domain Adaptation
von: Peng, Heqi, et al.
Veröffentlicht: (2024)

Adversarial Sparse Teacher: Defense Against Distillation-Based Model Stealing Attacks Using Adversarial Examples
von: Yilmaz, Eda, et al.
Veröffentlicht: (2024)

Towards Physically Realizable Adversarial Attenuation Patch against SAR Object Detection
von: Zhang, Yiming, et al.
Veröffentlicht: (2026)

Transferable Adversarial Examples with Bayes Approach
von: Fan, Mingyuan, et al.
Veröffentlicht: (2022)

Adversarial Defenses via Vector Quantization
von: Dong, Zhiyi, et al.
Veröffentlicht: (2023)

Defending Object Detectors against Patch Attacks with Out-of-Distribution Smoothing
von: Feng, Ryan, et al.
Veröffentlicht: (2022)

The Impact of Scaling Training Data on Adversarial Robustness
von: Zimmerli, Marco, et al.
Veröffentlicht: (2025)

Interpretability-Guided Test-Time Adversarial Defense
von: Kulkarni, Akshay, et al.
Veröffentlicht: (2024)

Adversary-Guided Motion Retargeting for Skeleton Anonymization
von: Carr, Thomas, et al.
Veröffentlicht: (2024)

Explainable Adversarial Attacks on Coarse-to-Fine Classifiers
von: Heidarizadeh, Akram, et al.
Veröffentlicht: (2025)

A Survey on Physical Adversarial Attacks against Face Recognition Systems
von: Wang, Mingsi, et al.
Veröffentlicht: (2024)

Boosting Adversarial Transferability via Residual Perturbation Attack
von: Peng, Jinjia, et al.
Veröffentlicht: (2025)

Enhancing Adversarial Example Detection Through Model Explanation
von: Ma, Qian, et al.
Veröffentlicht: (2025)

Transferable Adversarial Attacks on SAM and Its Downstream Models
von: Xia, Song, et al.
Veröffentlicht: (2024)

Improving Transferability of Adversarial Examples via Bayesian Attacks
von: Li, Qizhang, et al.
Veröffentlicht: (2023)

Towards Understanding Dual BN In Hybrid Adversarial Training
von: Zhang, Chenshuang, et al.
Veröffentlicht: (2024)

GradID: Adversarial Detection via Intrinsic Dimensionality of Gradients
von: Razmjoo, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

Adversarial Attack On Yolov5 For Traffic And Road Sign Detection
von: Jain, Sanyam
Veröffentlicht: (2023)

Revisiting Transferable Adversarial Images: Systemization, Evaluation, and New Insights
von: Zhao, Zhengyu, et al.
Veröffentlicht: (2023)

Enabling Heterogeneous Adversarial Transferability via Feature Permutation Attacks
von: Wu, Tao, et al.
Veröffentlicht: (2025)

AttackBench: Evaluating Gradient-based Attacks for Adversarial Examples
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2024)

Busting the Paper Ballot: Voting Meets Adversarial Machine Learning
von: Mahmood, Kaleel, et al.
Veröffentlicht: (2025)