Buchumschlag

First line of defense: A robust first layer mitigates adversarial attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Suresh, Janani, Nayak, Nancy, Kalyani, Sheetal
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Randomness Helps Rigor: A Probabilistic Learning Rate Scheduler Bridging Theory and Deep Learning Practice
von: Devapriya, Dahlia, et al.
Veröffentlicht: (2024)

DRL-AdaPart: DRL-Driven Adaptive STAR-RIS Partitioning for Fair and Frugal Resource Utilization
von: Kumar, Ashok S., et al.
Veröffentlicht: (2024)

Evaluating randomized smoothing as a defense against adversarial attacks in trajectory prediction
von: Schumann, Julian F., et al.
Veröffentlicht: (2026)

Tuning-Free Structured Sparse Recovery of Multiple Measurement Vectors using Implicit Regularization
von: Jayalal, Lakshmi, et al.
Veröffentlicht: (2025)

Evaluating the robustness of adversarial defenses in malware detection systems
von: Jafari, Mostafa, et al.
Veröffentlicht: (2025)

Learning Rate Optimization for Deep Neural Networks Using Lipschitz Bandits
von: Priyanka, Padma, et al.
Veröffentlicht: (2024)

Nonideality-aware training makes memristive networks more robust to adversarial attacks
von: Joksas, Dovydas, et al.
Veröffentlicht: (2024)

Online waveform selection for cognitive radar
von: Tholeti, Thulasi, et al.
Veröffentlicht: (2024)

Tuning-Free Online Robust Principal Component Analysis through Implicit Regularization
von: Jayalal, Lakshmi, et al.
Veröffentlicht: (2024)

RAB$^2$-DEF: Dynamic and explainable defense against adversarial attacks in Federated Learning to fair poor clients
von: Rodríguez-Barroso, Nuria, et al.
Veröffentlicht: (2024)

Geometry Aware Meta-Learning Neural Network for Joint Phase and Precoder Optimization in RIS
von: Devapriya, Dahlia, et al.
Veröffentlicht: (2024)

Cutting through buggy adversarial example defenses: fixing 1 line of code breaks Sabre
von: Carlini, Nicholas
Veröffentlicht: (2024)

Obtaining physical layer data of latest generation networks for investigating adversary attacks
von: Ushakova, M. V., et al.
Veröffentlicht: (2024)

Golden Ratio Search: A Low-Power Adversarial Attack for Deep Learning based Modulation Classification
von: Sadhukhan, Deepsayan, et al.
Veröffentlicht: (2024)

Provable tradeoffs in adversarially robust classification
von: Dobriban, Edgar, et al.
Veröffentlicht: (2020)

Structured Sparsity and Weight-adaptive Pruning for Memory and Compute efficient Whisper models
von: Mudi, Prasenjit K, et al.
Veröffentlicht: (2025)

SHLIME: Foiling adversarial attacks fooling SHAP and LIME
von: Chauhan, Sam, et al.
Veröffentlicht: (2025)

Designing an attack-defense game: how to increase robustness of financial transaction models via a competition
von: Zaytsev, Alexey, et al.
Veröffentlicht: (2023)

Concept activation vectors: a unifying view and adversarial attacks
von: Schnoor, Ekkehard, et al.
Veröffentlicht: (2025)

A look at adversarial attacks on radio waveforms from discrete latent space
von: Garuso, Attanasia, et al.
Veröffentlicht: (2025)

A unifying Bayesian framework for adversarial robustness
von: Arce, Pablo G., et al.
Veröffentlicht: (2025)

Can Go AIs be adversarially robust?
von: Tseng, Tom, et al.
Veröffentlicht: (2024)

On damage of interpolation to adversarial robustness in regression
von: Peng, Jingfu, et al.
Veröffentlicht: (2026)

Robust width: A lightweight and certifiable adversarial defense
von: Peck, Jonathan, et al.
Veröffentlicht: (2024)

Minimax rates of convergence for nonparametric regression under adversarial attacks
von: Peng, Jingfu, et al.
Veröffentlicht: (2024)

Learning atomic forces from uncertainty-calibrated adversarial attacks
von: Cezar, Henrique Musseli, et al.
Veröffentlicht: (2025)

Fixed-point graph convolutional networks against adversarial attacks
von: Khan, Shakib, et al.
Veröffentlicht: (2025)

On robust overfitting: adversarial training induced distribution matters
von: Tian, Runzhi, et al.
Veröffentlicht: (2023)

A DRL Approach for RIS-Assisted Full-Duplex UL and DL Transmission: Beamforming, Phase Shift and Power Optimization
von: Nayak, Nancy, et al.
Veröffentlicht: (2022)

Thundernna: a white box adversarial attack
von: Ye, Linfeng, et al.
Veröffentlicht: (2021)

Trainwreck: A damaging adversarial attack on image classifiers
von: Zahálka, Jan
Veröffentlicht: (2023)

ProARD: progressive adversarial robustness distillation: provide wide range of robust students
von: Mousavi, Seyedhamidreza, et al.
Veröffentlicht: (2025)

Deep generative models as an adversarial attack strategy for tabular machine learning
von: Dyrmishi, Salijona, et al.
Veröffentlicht: (2024)

Properties that allow or prohibit transferability of adversarial attacks among quantized networks
von: Shrestha, Abhishek, et al.
Veröffentlicht: (2024)

How adversarial attacks can disrupt seemingly stable accurate classifiers
von: Sutton, Oliver J., et al.
Veröffentlicht: (2023)

Federated Learning of Binary Neural Networks: Enabling Low-Cost Inference
von: Shankar, Nitin Priyadarshini, et al.
Veröffentlicht: (2026)

Towards more transferable adversarial attack in black-box manner
von: Lei, Chun Tong, et al.
Veröffentlicht: (2025)

Empirical evaluation of the Frank-Wolfe methods for constructing white-box adversarial attacks
von: Korotkova, Kristina, et al.
Veröffentlicht: (2025)

Does simple trump complex? Comparing strategies for adversarial robustness in DNNs
von: Brooks, William, et al.
Veröffentlicht: (2025)

Spectral regularization for adversarially-robust representation learning
von: Yang, Sheng, et al.
Veröffentlicht: (2024)