Buchumschlag

Are Fast Methods Stable in Adversarially Robust Transfer Learning?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Joshua C., Bagchi, Saurabh
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond Corner Patches: Semantics-Aware Backdoor Attack in Federated Learning
von: Herath, Kavindu, et al.
Veröffentlicht: (2026)

On Adversarial Robustness of Language Models in Transfer Learning
von: Turbal, Bohdan, et al.
Veröffentlicht: (2024)

Benchmarking Algorithms for Federated Domain Generalization
von: Bai, Ruqi, et al.
Veröffentlicht: (2023)

A Method for Fast Autonomy Transfer in Reinforcement Learning
von: Sahabandu, Dinuka, et al.
Veröffentlicht: (2024)

GBG++: A Fast and Stable Granular Ball Generation Method for Classification
von: Xie, Qin, et al.
Veröffentlicht: (2023)

On the Mechanisms of Adversarial Data Augmentation for Robust and Adaptive Transfer Learning
von: Satou, Hana, et al.
Veröffentlicht: (2025)

Holistic Adversarially Robust Pruning
von: Zhao, Qi, et al.
Veröffentlicht: (2024)

Robust Fast Adaptation from Adversarially Explicit Task Distribution Generation
von: Wang, Cheems, et al.
Veröffentlicht: (2024)

Ignition Phase : Standard Training for Fast Adversarial Robustness
von: Yu-Hang, Wang, et al.
Veröffentlicht: (2025)

Hubs and Spokes Learning: Efficient and Scalable Collaborative Machine Learning
von: Sharma, Atul, et al.
Veröffentlicht: (2025)

Adversarial-Robust Transfer Learning for Medical Imaging via Domain Assimilation
von: Chen, Xiaohui, et al.
Veröffentlicht: (2024)

Regularization for Adversarial Robust Learning
von: Wang, Jie, et al.
Veröffentlicht: (2024)

Simplifying Adversarially Robust PAC Learning with Tolerance
von: Ashtiani, Hassan, et al.
Veröffentlicht: (2025)

Adversarial Robustness in One-Stage Learning-to-Defer
von: Montreuil, Yannis, et al.
Veröffentlicht: (2025)

Faster Margin Maximization Rates for Generic and Adversarially Robust Optimization Methods
von: Wang, Guanghui, et al.
Veröffentlicht: (2023)

ROKA: Robust Knowledge Unlearning against Adversaries
von: Shin, Jinmyeong, et al.
Veröffentlicht: (2026)

A Robust Adversary Detection-Deactivation Method for Metaverse-oriented Collaborative Deep Learning
von: Li, Pengfei, et al.
Veröffentlicht: (2023)

Robust Transfer Learning with Side Information
von: Awad, Akram S., et al.
Veröffentlicht: (2026)

Robust Distribution Learning with Local and Global Adversarial Corruptions
von: Nietert, Sloan, et al.
Veröffentlicht: (2024)

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

Toward Evaluating Robustness of Reinforcement Learning with Adversarial Policy
von: Zheng, Xiang, et al.
Veröffentlicht: (2023)

Stochastic Bandits Robust to Adversarial Attacks
von: Wang, Xuchuang, et al.
Veröffentlicht: (2024)

Adversarial Diffusion for Robust Reinforcement Learning
von: Foffano, Daniele, et al.
Veröffentlicht: (2025)

Algorithms for Adversarially Robust Deep Learning
von: Robey, Alexander
Veröffentlicht: (2025)

Maintaining Adversarial Robustness in Continuous Learning
von: Ru, Xiaolei, et al.
Veröffentlicht: (2024)

FastAT Benchmark: A Comprehensive Framework for Fair Evaluation of Fast Adversarial Training Methods
von: Pan, Chao, et al.
Veröffentlicht: (2026)

Fast Adversarial Attacks with Gradient Prediction
von: Ciosek, Kamil, et al.
Veröffentlicht: (2026)

Robust Tickets Can Transfer Better: Drawing More Transferable Subnetworks in Transfer Learning
von: Fu, Yonggan, et al.
Veröffentlicht: (2023)

Mitigating Error Amplification in Fast Adversarial Training
von: Zhao, Mengnan, et al.
Veröffentlicht: (2026)

Exploring Cross-Stage Adversarial Transferability in Class-Incremental Continual Learning
von: Kim, Jungwoo, et al.
Veröffentlicht: (2025)

Evaluating the Robustness of a Production Malware Detection System to Transferable Adversarial Attacks
von: Nasr, Milad, et al.
Veröffentlicht: (2025)

Robustness Against Adversarial Attacks via Learning Confined Adversarial Polytopes
von: Hamidi, Shayan Mohajer, et al.
Veröffentlicht: (2024)

TeLU Activation Function for Fast and Stable Deep Learning
von: Fernandez, Alfredo, et al.
Veröffentlicht: (2024)

Adversarial Robustness in Two-Stage Learning-to-Defer: Algorithms and Guarantees
von: Montreuil, Yannis, et al.
Veröffentlicht: (2025)

Nesterov-Accelerated Robust Federated Learning Over Byzantine Adversaries
von: Xu, Lihan, et al.
Veröffentlicht: (2025)

Differentially Private and Adversarially Robust Machine Learning: An Empirical Evaluation
von: Thakkar, Janvi, et al.
Veröffentlicht: (2024)

Certifiably-Robust Federated Adversarial Learning via Randomized Smoothing
von: Chen, Cheng, et al.
Veröffentlicht: (2021)

Adversarial Preference Learning for Robust LLM Alignment
von: Wang, Yuanfu, et al.
Veröffentlicht: (2025)

Towards Adversarially Robust Deep Metric Learning
von: Ke, Xiaopeng
Veröffentlicht: (2025)

HEART-PFL: Stable Personalized Federated Learning under Heterogeneity with Hierarchical Directional Alignment and Adversarial Knowledge Transfer
von: Kim, Minjun, et al.
Veröffentlicht: (2026)