כתבה
arXiv cs.LG ·
ATLAS-AL: Adaptive Trust-Region for Latent Adversarial Searches via Active Learning
ATLAS-AL מציג פרקטיקה של חיפוש פעיל לגילוי קבוצות של נקודות נגישות ללא ידיעת המערכת. הפרקטיקה נבחנה על ידי ניסויים טוטאליים ועל ידי ניסויים על דגמי MNIST, CIFAR ו-ImageNet.
תקציר מקורי באנגליתarXiv:2610.07323v1 Announce Type: new Abstract: Security evaluation of learning-based systems requires more than just testing the system against a fixed collection of attacks. It requires adaptive mechanisms that can efficiently discover \textit{sets} of inputs that induce model failure. We introduce ATLAS (Adaptive Trust-Regions for Latent Adversarial Searches), which is a query-based framework that discovers adversarial input sets for black-box learning systems. ATLAS casts attack generation as an active learning level set estimation problem then combines calibrated approximations with a local-global sampling architecture to find regions of the input space that contain adversarial examples. Once discovered, ATLAS is designed to sample points within these adversarial regions to build adve
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית