返回资讯中心
外部精选
软件工程
#开发者实时流

学生项目对比PGD对抗训练与Marabou SMT在交通标志识别上的鲁棒性

来源标题:When PGD fails, is your model safe? I tested it vs. Marabou SMT on traffic signs

该机器学习课程项目在GTSRB五类交通标志上对比了标准ERM模型与PGD对抗训练模型的鲁棒性。项目既评估了PGD攻击下的经验鲁棒性,也用SMT求解器Marabou做了精确形式化认证。全部实验流程在main.ipynb笔记本中实现,可复现。

Hacker News 最新luka3732026/11/9 · 8 天前2 分钟阅读

这个来源的 RSS 只提供摘要,下面是原文导语;完整论述请点「打开原文」。

的里雅斯特大学《机器学习导论》课程项目(2025/2026 学年)。 在 GTSRB 的 5 个交通标志类别(STOP、优先通行、限速 30、限速 50、禁止通行)上,对比标准模型(ERM)与鲁棒模型(使用 PGD 进行对抗训练),评估其在 PGD 攻击下的经验鲁棒性,并使用 SMT 求解器 Marabou 进行精确的形式化认证。 技术报告(PDF):REPORT.pdf 英文报告(PDF):ENGLISH_REPORT.pdf 演示文稿(PDF):presentazione.pdf 环境配置 本项目使用 uv 管理虚拟环境,并在 pyproject.toml 中声明依赖: uv sync 使用方法 完整的实验流程(数据检查、训练、PGD 攻击、混淆矩阵以及使用 Marabou 的形式化验证)均以自包含、可复现的方式实现在 notebook main.ipynb 中:

本条为导读摘要,完整论述请以原文为准。

打开原文
去社区讨论 →