Buchumschlag

Generating Less Certain Adversarial Examples Improves Robust Generalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Minxing, Backes, Michael, Zhang, Xiao
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Vera Verto: Multimodal Hijacking Attack
von: Zhang, Minxing, et al.
Veröffentlicht: (2024)

How Learning Dynamics Drive Adversarially Robust Generalization?
von: Xu, Yuelin, et al.
Veröffentlicht: (2024)

Improved Generation of Adversarial Examples Against Safety-aligned LLMs
von: Li, Qizhang, et al.
Veröffentlicht: (2024)

Provably Cost-Sensitive Adversarial Defense via Randomized Smoothing
von: Xin, Yuan, et al.
Veröffentlicht: (2023)

Generative Conformal Prediction with Vectorized Non-Conformity Scores
von: Zheng, Minxing, et al.
Veröffentlicht: (2024)

AdvDiff: Generating Unrestricted Adversarial Examples using Diffusion Models
von: Dai, Xuelong, et al.
Veröffentlicht: (2023)

Making Robust Generalizers Less Rigid with Loss Concentration
von: Holland, Matthew J., et al.
Veröffentlicht: (2024)

Memorization in Self-Supervised Learning Improves Downstream Generalization
von: Wang, Wenhao, et al.
Veröffentlicht: (2024)

Adversarial Examples Might be Avoidable: The Role of Data Concentration in Adversarial Robustness
von: Pal, Ambar, et al.
Veröffentlicht: (2023)

Prompt Stealing Attacks Against Text-to-Image Generation Models
von: Shen, Xinyue, et al.
Veröffentlicht: (2023)

Attacking All Tasks at Once Using Adversarial Examples in Multi-Task Learning
von: Zhang, Lijun, et al.
Veröffentlicht: (2023)

Improving Transformation-based Defenses against Adversarial Examples with First-order Perturbations
von: Zhang, Haimin, et al.
Veröffentlicht: (2021)

Transferable Availability Poisoning Attacks
von: Liu, Yiyong, et al.
Veröffentlicht: (2023)

Laundering AI Authority with Adversarial Examples
von: Zhang, Jie, et al.
Veröffentlicht: (2026)

Generating Realistic Adversarial Examples for Business Processes using Variational Autoencoders
von: Stevens, Alexander, et al.
Veröffentlicht: (2024)

Where and How to Attack? A Causality-Inspired Recipe for Generating Counterfactual Adversarial Examples
von: Cai, Ruichu, et al.
Veröffentlicht: (2023)

MGTBench: Benchmarking Machine-Generated Text Detection
von: He, Xinlei, et al.
Veröffentlicht: (2023)

MEAT: Median-Ensemble Adversarial Training for Improving Robustness and Generalization
von: Hu, Zhaozhe, et al.
Veröffentlicht: (2024)

Game-Theoretic Unlearnable Example Generator
von: Liu, Shuang, et al.
Veröffentlicht: (2024)

Evaluating Text Classification Robustness to Part-of-Speech Adversarial Examples
von: Samadi, Anahita, et al.
Veröffentlicht: (2024)

Constructing Semantics-Aware Adversarial Examples with a Probabilistic Perspective
von: Zhang, Andi, et al.
Veröffentlicht: (2023)

Adversarial Examples Are Not Bugs, They Are Superposition
von: Gorton, Liv, et al.
Veröffentlicht: (2025)

The Price of Implicit Bias in Adversarially Robust Generalization
von: Tsilivis, Nikolaos, et al.
Veröffentlicht: (2024)

Adversarial Lens: Exploiting Attention Layers to Generate Adversarial Examples for Evaluation
von: Dhole, Kaustubh
Veröffentlicht: (2025)

A New Type of Adversarial Examples
von: Nie, Xingyang, et al.
Veröffentlicht: (2025)

Detecting Adversarial Examples
von: Mumcu, Furkan, et al.
Veröffentlicht: (2024)

A Dual-Agent Adversarial Framework for Robust Generalization in Deep Reinforcement Learning
von: Xie, Zhengpeng, et al.
Veröffentlicht: (2025)

LMD: A Learnable Mask Network to Detect Adversarial Examples for Speaker Verification
von: Chen, Xing, et al.
Veröffentlicht: (2022)

Boosting Imperceptibility of Stable Diffusion-based Adversarial Examples Generation with Momentum
von: Haque, Nashrah, et al.
Veröffentlicht: (2024)

Improved Diffusion-based Generative Model with Better Adversarial Robustness
von: Wang, Zekun, et al.
Veröffentlicht: (2025)

Deceptive Diffusion: Generating Synthetic Adversarial Examples
von: Beerens, Lucas, et al.
Veröffentlicht: (2024)

Generation from Noisy Examples
von: Raman, Ananth, et al.
Veröffentlicht: (2025)

Generalization Certificates for Adversarially Robust Bayesian Linear Regression
von: Sabanayagam, Mahalakshmi, et al.
Veröffentlicht: (2025)

Adversarial Examples: Generation Proposal in the Context of Facial Recognition Systems
von: Fuster, Marina, et al.
Veröffentlicht: (2024)

Improving Generalization of Universal Adversarial Perturbation via Dynamic Maximin Optimization
von: Zhang, Yechao, et al.
Veröffentlicht: (2025)

Improving Fast Adversarial Training Paradigm: An Example Taxonomy Perspective
von: Gui, Jie, et al.
Veröffentlicht: (2024)

Adversarial Wear and Tear: Exploiting Natural Damage for Generating Physical-World Adversarial Examples
von: Irshad, Samra, et al.
Veröffentlicht: (2025)

Learning to Attack: Uncovering Privacy Risks in Sequential Data Releases
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Pruning Unsafe Tickets: A Resource-Efficient Framework for Safer and More Robust LLMs
von: Si, Wai Man, et al.
Veröffentlicht: (2026)

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