Buchumschlag

Tight Robustness Certification Through the Convex Hull of $\ell_0$ Attacks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Shapira, Yuval, Drachsler-Cohen, Dana
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

Boosting Few-Pixel Robustness Verification via Covering Verification Designs
von: Shapira, Yuval, et al.
Veröffentlicht: (2024)

Verification of Neural Networks' Global Robustness
von: Kabaha, Anan, et al.
Veröffentlicht: (2024)

ExPairT-LLM: Exact Learning for LLM Code Selection by Pairwise Queries
von: Yuviler, Tom, et al.
Veröffentlicht: (2025)

Mini-Batch Robustness Verification of Deep Neural Networks
von: Tzour-Shaday, Saar, et al.
Veröffentlicht: (2025)

Guarding the Privacy of Label-Only Access to Neural Network Classifiers via iDP Verification
von: Kabaha, Anan, et al.
Veröffentlicht: (2025)

Tight Robustness Certificates and Wasserstein Distributional Attacks for Deep Neural Networks
von: Le, Bach C., et al.
Veröffentlicht: (2025)

The Cost of Compression: Tight Quadratic Black-Box Attacks on Sketches for $\ell_2$ Norm Estimation
von: Ahmadian, Sara, et al.
Veröffentlicht: (2025)

Provable Robustness Against a Union of $\ell_0$ Adversarial Attacks
von: Hammoudeh, Zayd, et al.
Veröffentlicht: (2023)

Convex Hulls of Reachable Sets
von: Lew, Thomas, et al.
Veröffentlicht: (2023)

An Asymptotically Optimal Algorithm for the Convex Hull Membership Problem
von: Qiao, Gang, et al.
Veröffentlicht: (2023)

Deep Actor-Critics with Tight Risk Certificates
von: Tasdighi, Bahareh, et al.
Veröffentlicht: (2025)

Tight PAC-Bayesian Risk Certificates for Contrastive Learning
von: Van Elst, Anna, et al.
Veröffentlicht: (2024)

Tighten The Lasso: A Convex Hull Volume-based Anomaly Detection Method
von: Itai, Uri, et al.
Veröffentlicht: (2025)

Robustness Certificates for Neural Networks against Adversarial Attacks
von: Taheri, Sara, et al.
Veröffentlicht: (2025)

Offline RL with Smooth OOD Generalization in Convex Hull and its Neighborhood
von: Yao, Qingmao, et al.
Veröffentlicht: (2025)

Robust Neural Processes for Noisy Data
von: Shapira, Chen, et al.
Veröffentlicht: (2024)

Lipschitz-Based Robustness Certification for Recurrent Neural Networks via Convex Relaxation
von: Hamelbeck, Paul, et al.
Veröffentlicht: (2025)

On Traceability in $\ell_p$ Stochastic Convex Optimization
von: Voitovych, Sasha, et al.
Veröffentlicht: (2025)

Discrete Aware Matrix Completion via Convexized $\ell_0$-Norm Approximation
von: Führling, Niclas, et al.
Veröffentlicht: (2024)

RACH-Space: Reconstructing Adaptive Convex Hull Space with Applications in Weak Supervision
von: Na, Woojoo, et al.
Veröffentlicht: (2023)

Archetypal Graph Generative Models: Explainable and Identifiable Communities via Anchor-Dominant Convex Hulls
von: Nakis, Nikolaos, et al.
Veröffentlicht: (2026)

Mathematical Programming Algorithms for Convex Hull Approximation with a Hyperplane Budget
von: Barbato, Michele, et al.
Veröffentlicht: (2024)

Generalization Properties of Adversarial Training for $\ell_0$-Bounded Adversarial Attacks
von: Delgosha, Payam, et al.
Veröffentlicht: (2024)

Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning
von: Paul, Somdyuti, et al.
Veröffentlicht: (2022)

Tight Bounds for Online Convex Optimization with Adversarial Constraints
von: Sinha, Abhishek, et al.
Veröffentlicht: (2024)

Gaussian Loss Smoothing Enables Certified Training with Tight Convex Relaxations
von: Balauca, Stefan, et al.
Veröffentlicht: (2024)

Federated Classification in Hyperbolic Spaces via Secure Aggregation of Convex Hulls
von: Prakash, Saurav, et al.
Veröffentlicht: (2023)

FairTTTS: A Tree Test Time Simulation Method for Fairness-Aware Classification
von: Cohen-Inger, Nurit, et al.
Veröffentlicht: (2025)

Boosting Anomaly Detection Using Unsupervised Diverse Test-Time Augmentation
von: Cohen, Seffi, et al.
Veröffentlicht: (2021)

Towards Certification of Uncertainty Calibration under Adversarial Attacks
von: Emde, Cornelius, et al.
Veröffentlicht: (2024)

Expressiveness of Multi-Neuron Convex Relaxations in Neural Network Certification
von: Mao, Yuhao, et al.
Veröffentlicht: (2024)

Probably Approximately Global Robustness Certification
von: Blohm, Peter, et al.
Veröffentlicht: (2025)

Improved Distribution Estimation in $\ell_\infty$
von: Cohen, Doron, et al.
Veröffentlicht: (2026)

CHASE: Learning Convex Hull Adaptive Shift for Skeleton-based Multi-Entity Action Recognition
von: Wen, Yuhang, et al.
Veröffentlicht: (2024)

Naive Feature Selection: a Nearly Tight Convex Relaxation for Sparse Naive Bayes
von: Askari, Armin, et al.
Veröffentlicht: (2019)

$\ell_0$ factor analysis
von: Wang, Linyang, et al.
Veröffentlicht: (2024)

Exact Certification of Data-Poisoning Attacks Using Mixed-Integer Programming
von: Sosnin, Philip, et al.
Veröffentlicht: (2026)

Tight Long-Term Tail Decay of (Clipped) SGD in Non-Convex Optimization
von: Armacki, Aleksandar, et al.
Veröffentlicht: (2026)

Class Distribution Shifts in Zero-Shot Learning: Learning Robust Representations
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2023)

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