adversarial Examples | LAMARR

|Durchlauf durch die Fuzzing Testschleife|Fuzzy Testing|

Fuzzy Testing für KI-Systeme

10. November 2021

Daniel

Becker

Das Fuzzy Testing erlaubt kontinuierliche, automatisierte KI-Tests mit moderatem Zeit- und Kostenaufwand, eignet sich für dynamische Entwicklungs- und Einsatzumgebungen und kann eine im Vergleich zu manuellen Verfahren deutlich größere Testraumabdeckung erreichen.

||Gewichte im Minimum des Verlustes nach dem Training und Ergebnisse des regularisierten Trainings

Abwehrspiel: Was können wir gegen Adversarial Examples tun?

12. Juli 2021

Linara

Adilova

Software für Maschinelles Lernen ist für bestimmte Angriffe anfällig: So können künstlich veränderte Eingabedaten zum Versagen des zugrunde liegenden Modells führen. Wir stellen Techniken zur Entwicklung von adversarialer Robustheit vor.

Was sind Adversarial Examples?

7. Juli 2021

Linara

Adilova

Feindliche Angriffe beim maschinellen Lernen zielen darauf ab, Ausfälle in der Funktionalität der Modelle zu verursachen. Dieser Blogpost beschreibt die sogenannten „Adversarial Examples“, die fehlerhafte Vorhersagen neuronaler Netze verursachen.