Buchumschlag

Sy-FAR: Symmetry-based Fair Adversarial Robustness

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Najjar, Haneen, Ronen, Eyal, Sharif, Mahmood
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Group-based Robustness: A General Framework for Customized Robustness in the Real World
von: Lin, Weiran, et al.
Veröffentlicht: (2023)

NoisePrints: Distortion-Free Watermarks for Authorship in Private Diffusion Models
von: Goren, Nir, et al.
Veröffentlicht: (2025)

Redesigning Traffic Signs to Mitigate Machine-Learning Patch Attacks
von: Shua, Tsufit, et al.
Veröffentlicht: (2024)

Exploring the Adversarial Frontier: Quantifying Robustness via Adversarial Hypervolume
von: Guo, Ping, et al.
Veröffentlicht: (2024)

Evaluating the Evaluators: Trust in Adversarial Robustness Tests
von: Cinà, Antonio Emanuele, et al.
Veröffentlicht: (2025)

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

On the Importance of Backbone to the Adversarial Robustness of Object Detectors
von: Li, Xiao, et al.
Veröffentlicht: (2023)

Standard-Deviation-Inspired Regularization for Improving Adversarial Robustness
von: Fakorede, Olukorede, et al.
Veröffentlicht: (2024)

Impact of Architectural Modifications on Deep Learning Adversarial Robustness
von: Juraev, Firuz, et al.
Veröffentlicht: (2024)

Towards Million-Scale Adversarial Robustness Evaluation With Stronger Individual Attacks
von: Xie, Yong, et al.
Veröffentlicht: (2024)

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

L-AutoDA: Leveraging Large Language Models for Automated Decision-based Adversarial Attacks
von: Guo, Ping, et al.
Veröffentlicht: (2024)

PuriDefense: Randomized Local Implicit Adversarial Purification for Defending Black-box Query-based Attacks
von: Guo, Ping, et al.
Veröffentlicht: (2024)

IoUCert: Robustness Verification for Anchor-based Object Detectors
von: Brückner, Benedikt, et al.
Veröffentlicht: (2026)

Adversarial Detection by Approximation of Ensemble Boundary
von: Windeatt, T.
Veröffentlicht: (2022)

Improving the Transferability of Adversarial Attacks by an Input Transpose
von: Wan, Qing, et al.
Veröffentlicht: (2025)

Fingerprinting Image-to-Image Generative Adversarial Networks
von: Li, Guanlin, et al.
Veröffentlicht: (2021)

GLEAN: Generative Learning for Eliminating Adversarial Noise
von: Kim, Justin Lyu, et al.
Veröffentlicht: (2024)

AR-GAN: Generative Adversarial Network-Based Defense Method Against Adversarial Attacks on the Traffic Sign Classification System of Autonomous Vehicles
von: Salek, M Sabbir, et al.
Veröffentlicht: (2023)

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

Interpretation of Neural Networks is Susceptible to Universal Adversarial Perturbations
von: Oskouie, Haniyeh Ehsani, et al.
Veröffentlicht: (2022)

Adversarial attacks and defenses in explainable artificial intelligence: A survey
von: Baniecki, Hubert, et al.
Veröffentlicht: (2023)

Undermining Image and Text Classification Algorithms Using Adversarial Attacks
von: Lunga, Langalibalele, et al.
Veröffentlicht: (2024)

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

Improving Adversarial Training using Vulnerability-Aware Perturbation Budget
von: Fakorede, Olukorede, et al.
Veröffentlicht: (2024)

Attacking the Spike: On the Transferability and Security of Spiking Neural Networks to Adversarial Examples
von: Xu, Nuo, et al.
Veröffentlicht: (2022)

Pixel Seal: Adversarial-only training for invisible image and video watermarking
von: Souček, Tomáš, et al.
Veröffentlicht: (2025)

MOS-Attack: A Scalable Multi-objective Adversarial Attack Framework
von: Guo, Ping, et al.
Veröffentlicht: (2025)

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

AdvSecureNet: A Python Toolkit for Adversarial Machine Learning
von: Catal, Melih, et al.
Veröffentlicht: (2024)

GASP: Efficient Black-Box Generation of Adversarial Suffixes for Jailbreaking LLMs
von: Basani, Advik Raj, et al.
Veröffentlicht: (2024)

Reinforcement Learning Platform for Adversarial Black-box Attacks with Custom Distortion Filters
von: Sarkar, Soumyendu, et al.
Veröffentlicht: (2025)

Securing Visually-Aware Recommender Systems: An Adversarial Image Reconstruction and Detection Framework
von: Yin, Minglei, et al.
Veröffentlicht: (2023)

DarkLLM: Learning Language-Driven Adversarial Attacks with Large Language Models
von: Sun, Ye, et al.
Veröffentlicht: (2026)

Understanding Key Point Cloud Features for Development Three-dimensional Adversarial Attacks
von: Naderi, Hanieh, et al.
Veröffentlicht: (2022)

Efficient Semi-Supervised Adversarial Training via Latent Clustering-Based Data Reduction
von: Ghosh, Somrita, et al.
Veröffentlicht: (2025)

Crafting Adversarial Inputs for Large Vision-Language Models Using Black-Box Optimization
von: Guan, Jiwei, et al.
Veröffentlicht: (2026)

Stop Reasoning! When Multimodal LLM with Chain-of-Thought Reasoning Meets Adversarial Image
von: Wang, Zefeng, et al.
Veröffentlicht: (2024)

Certifying Adapters: Enabling and Enhancing the Certification of Classifier Adversarial Robustness
von: Deng, Jieren, et al.
Veröffentlicht: (2024)

Efficient Black-box Adversarial Attacks via Bayesian Optimization Guided by a Function Prior
von: Cheng, Shuyu, et al.
Veröffentlicht: (2024)