机构名称：
¥ 2.0
摘要深度学习（DL）模型的快速发展伴随着各种安全和安全挑战，例如对抗性攻击和后门攻击。通过分析当前有关DL攻击和防御的文献，我们发现攻击和防御之间的持续适应使得无法完全解决这些问题。在本文中，我们建议这种情况是由DL模型固有的AWS引起的，即非泄露性，不识别性和非身份能力。我们将这些问题称为内源性安全和保障（ESS）问题。为了减轻DL中的ESS问题，我们建议使用动态异质冗余（DHR）体系结构。我们认为，引入多样性对于解决ESS问题至关重要。为了验证这种方法的效果，我们跨DL的多个应用领域进行了各种案例研究。我们的实验结果证实，基于DHR体系结构构建DL系统比现有的DL防御策略更有效。
利用动态异质冗余到...
主要关键词
相关文件推荐
