31 октября 2023 года, Р. Бадер
"Повышение устойчивости математических моделей в состязательных сценариях с использованием подходов обобщения" В докладе представлены проблемы и математические сложности, связанные с усилением устойчивости к адверсариальным атакам в машинном обучении (МО) и глубоких нейронных сетях (ГНС). Основная цель заключается в строгой разработке и оценке стратегий для повышения устойчивости интеллектуальных систем к адверсариальным атакам. Через новаторскую переконцепцию адверсариальные возмущения рассматриваются как сложные экземпляры смещения распределения, что создает предпосылки для разработки инновационных математических и алгоритмических решений. Автором предложена математическая модель, интегрирующая адверсариальную адаптацию домена в архитектуры нейронных сетей, предлагая улучшенную устойчивость и возможности обобщения. Кроме того, были сформулированы алгоритмы для устойчивого выборочного расширения данных и идентификации адверсариальных образцов, а также метод для кластеризации адверсариальных входных распределений. Был также разработан всеобъемлющий программный компонент для оценки устойчивости модели. Исследование представляет собой значительный прорыв в данной области, продвигая наше теоретическое понимание устойчивости к адверсариальным атакам. Оно открывает новые пути для математического моделирования и методов, основанных на данных, для решения проблемы смещения адверсариального распределения.
"Повышение устойчивости математических моделей в состязательных сценариях с использованием подходов обобщения" В докладе представлены проблемы и математические сложности, связанные с усилением устойчивости к адверсариальным атакам в машинном обучении (МО) и глубоких нейронных сетях (ГНС). Основная цель заключается в строгой разработке и оценке стратегий для повышения устойчивости интеллектуальных систем к адверсариальным атакам. Через новаторскую переконцепцию адверсариальные возмущения рассматриваются как сложные экземпляры смещения распределения, что создает предпосылки для разработки инновационных математических и алгоритмических решений. Автором предложена математическая модель, интегрирующая адверсариальную адаптацию домена в архитектуры нейронных сетей, предлагая улучшенную устойчивость и возможности обобщения. Кроме того, были сформулированы алгоритмы для устойчивого выборочного расширения данных и идентификации адверсариальных образцов, а также метод для кластеризации адверсариальных входных распределений. Был также разработан всеобъемлющий программный компонент для оценки устойчивости модели. Исследование представляет собой значительный прорыв в данной области, продвигая наше теоретическое понимание устойчивости к адверсариальным атакам. Оно открывает новые пути для математического моделирования и методов, основанных на данных, для решения проблемы смещения адверсариального распределения.