概念adversarial robustness
对抗鲁棒性
深度学习安全领域的重要研究方向，旨在提升神经网络对对抗性样本攻击的抵抗能力
时间轴 (近 90 天)
10月25日
决策函数若具有较小的Lipschitz常数，则输入的微小扰动不会导致输出的剧烈变化，这对应决策面的平滑性，也是对抗鲁棒性研究的核心概念之一。
待验证50%
深度学习安全领域的重要研究方向，旨在提升神经网络对对抗性样本攻击的抵抗能力
决策函数若具有较小的Lipschitz常数，则输入的微小扰动不会导致输出的剧烈变化，这对应决策面的平滑性，也是对抗鲁棒性研究的核心概念之一。