Buchumschlag

Time-Efficient Evaluation and Enhancement of Adversarial Robustness in Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lin, Runqi
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

Eliminating Catastrophic Overfitting Via Abnormal Adversarial Examples Regularization
von: Lin, Runqi, et al.
Veröffentlicht: (2024)

On the Relationship Between Adversarial Robustness and Decision Region in Deep Neural Networks
von: Park, Seongjin, et al.
Veröffentlicht: (2022)

Robust and Efficient Deep Hedging via Linearized Objective Neural Network
von: Zhao, Lei, et al.
Veröffentlicht: (2025)

PAC-Bayesian Adversarially Robust Generalization Bounds for Graph Neural Network
von: Sun, Tan, et al.
Veröffentlicht: (2024)

Adversarial Robustness of NTK Neural Networks
von: Hou, Yuxuan
Veröffentlicht: (2026)

Towards Reliable Evaluation of Adversarial Robustness for Spiking Neural Networks
von: Wang, Jihang, et al.
Veröffentlicht: (2025)

On the Over-Memorization During Natural, Robust and Catastrophic Overfitting
von: Lin, Runqi, et al.
Veröffentlicht: (2023)

Enhancing Adversarial Robustness of Deep Neural Networks Through Supervised Contrastive Learning
von: Wang, Longwei, et al.
Veröffentlicht: (2024)

Low-Rank Adaptation of Evolutionary Deep Neural Networks for Efficient Learning of Time-Dependent PDEs
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)

On the Adversarial Robustness of Spiking Neural Networks Trained by Local Learning
von: Lin, Jiaqi, et al.
Veröffentlicht: (2025)

Understanding the Robustness of Graph Neural Networks against Adversarial Attacks
von: Wu, Tao, et al.
Veröffentlicht: (2024)

MPAT: Building Robust Deep Neural Networks against Textual Adversarial Attacks
von: Zhang, Fangyuan, et al.
Veröffentlicht: (2024)

Layer-Aware Analysis of Catastrophic Overfitting: Revealing the Pseudo-Robust Shortcut Dependency
von: Lin, Runqi, et al.
Veröffentlicht: (2024)

AMLNet: Adversarial Mutual Learning Neural Network for Non-AutoRegressive Multi-Horizon Time Series Forecasting
von: Lin, Yang
Veröffentlicht: (2023)

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

On the Adversarial Robustness of Graph Neural Networks with Graph Reduction
von: Wu, Kerui, et al.
Veröffentlicht: (2024)

On the Robustness of Bayesian Neural Networks to Adversarial Attacks
von: Bortolussi, Luca, et al.
Veröffentlicht: (2022)

Strengthening the Internal Adversarial Robustness in Lifted Neural Networks
von: Zach, Christopher
Veröffentlicht: (2025)

Adversarial Graph Neural Network Benchmarks: Towards Practical and Fair Evaluation
von: Ngo, Tran Gia Bao, et al.
Veröffentlicht: (2026)

CPT: Efficient Deep Neural Network Training via Cyclic Precision
von: Fu, Yonggan, et al.
Veröffentlicht: (2021)

Expressivity of Graph Neural Networks Through the Lens of Adversarial Robustness
von: Campi, Francesco, et al.
Veröffentlicht: (2023)

Certifying Global Robustness for Deep Neural Networks
von: Li, You, et al.
Veröffentlicht: (2024)

Perturbing the Phase: Analyzing Adversarial Robustness of Complex-Valued Neural Networks
von: Eilers, Florian, et al.
Veröffentlicht: (2026)

ADEdgeDrop: Adversarial Edge Dropping for Robust Graph Neural Networks
von: Chen, Zhaoliang, et al.
Veröffentlicht: (2024)

On the Evaluation of User Privacy in Deep Neural Networks using Timing Side Channel
von: Shukla, Shubhi, et al.
Veröffentlicht: (2022)

Trading Inference-Time Compute for Adversarial Robustness
von: Zaremba, Wojciech, et al.
Veröffentlicht: (2025)

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

Adversarially Robust Spiking Neural Networks with Sparse Connectivity
von: Schmolli, Mathias, et al.
Veröffentlicht: (2025)

Adversarially Robust Spiking Neural Networks Through Conversion
von: Özdenizci, Ozan, et al.
Veröffentlicht: (2023)

SPACE: SPike-Aware Consistency Enhancement for Test-Time Adaptation in Spiking Neural Networks
von: Luo, Xinyu, et al.
Veröffentlicht: (2025)

RandomNet: Clustering Time Series Using Untrained Deep Neural Networks
von: Li, Xiaosheng, et al.
Veröffentlicht: (2024)

Sparse Representations Improve Adversarial Robustness of Neural Network Classifiers
von: Steunou, Killian, et al.
Veröffentlicht: (2025)

Pareto Adversarial Robustness: Balancing Spatial Robustness and Sensitivity-based Robustness
von: Sun, Ke, et al.
Veröffentlicht: (2021)

DeepDefense: Layer-Wise Gradient-Feature Alignment for Building Robust Neural Networks
von: Lin, Ci, et al.
Veröffentlicht: (2025)

Hamiltonian Neural Networks for Robust Out-of-Time Credit Scoring
von: Marín, Javier
Veröffentlicht: (2024)

Mixture of Linear Models Co-supervised by Deep Neural Networks
von: Seo, Beomseok, et al.
Veröffentlicht: (2021)

Leveraging Intermediate Neural Collapse with Simplex ETFs for Efficient Deep Neural Networks
von: Liu, Emily
Veröffentlicht: (2024)

Dynamical Low-Rank Compression of Neural Networks with Robustness under Adversarial Attacks
von: Schotthöfer, Steffen, et al.
Veröffentlicht: (2025)

On the Rate of Convergence of GD in Non-linear Neural Networks: An Adversarial Robustness Perspective
von: Smorodinsky, Guy, et al.
Veröffentlicht: (2026)

A New Framework to Analyse the Distributional Robustness of Deep Neural Networks
von: Khaitan, Divij, et al.
Veröffentlicht: (2026)