Robustness of 3D deep learning in an adversarial setting

Robustness of 3D deep learning in an adversarial setting

Understanding the spatial arrangement and nature of real-world objects is of paramount importance to many complex engineering tasks, including autonomous navigation. Deep learning has revolutionized state-of-the-art performance for tasks in 3D environments; however, relatively little is known about...

Повний опис

Бібліографічні деталі
Автори:	Wicker, M, Kwiatkowska, M
Формат:	Conference item
Мова:	English
Опубліковано:	IEEE 2020

Схожі ресурси

Adversarial robustness certification for Bayesian neural networks
за авторством: Wicker, M, та інші
Опубліковано: (2024)

Bayesian inference with certifiable adversarial robustness
за авторством: Wicker, M, та інші
Опубліковано: (2021)

Adversarial robustness of Bayesian neural networks
за авторством: Wicker, M
Опубліковано: (2021)

Adversarial robustness of deep reinforcement learning
за авторством: Qu, Xinghua
Опубліковано: (2022)

Adversarial robustness guarantees for Gaussian processes
за авторством: Patane, A, та інші
Опубліковано: (2022)

Investigating robustness of deep learning against adversarial examples
за авторством: Chua, Shan Jing
Опубліковано: (2019)

Adversarial robustness guarantees for classification with Gaussian Processes
за авторством: Blaas, A, та інші
Опубліковано: (2020)

Safety and robustness for deep learning with provable guarantees (keynote)
за авторством: Kwiatkowska, M
Опубліковано: (2019)

Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning
за авторством: Everett, Michael F, та інші
Опубліковано: (2021)

Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning
за авторством: Everett, Michael, та інші
Опубліковано: (2021)

Adversarial Robustness for Deep Learning-Based Wildfire Prediction Models
за авторством: Ryo Ide, та інші
Опубліковано: (2025-01-01)

Enhancing adversarial robustness of deep neural networks
за авторством: Zhang, Jeffrey,M. Eng.Massachusetts Institute of Technology.
Опубліковано: (2019)

ARGAN: Adversarially Robust Generative Adversarial Networks for Deep Neural Networks Against Adversarial Examples
за авторством: Seok-Hwan Choi, та інші
Опубліковано: (2022-01-01)

Multiexpert Adversarial Regularization for Robust and Data-Efficient Deep Supervised Learning
за авторством: Behnam Gholami, та інші
Опубліковано: (2022-01-01)

Adversarial Robustness of Deep Reinforcement Learning Based Dynamic Recommender Systems
за авторством: Siyu Wang, та інші
Опубліковано: (2022-05-01)

On the role of deep learning model complexity in adversarial robustness for medical images
за авторством: David Rodriguez, та інші
Опубліковано: (2022-06-01)

Safety and robustness for deep learning with provable guarantees (invited paper - keynote)
за авторством: Kwiatkowska, M
Опубліковано: (2020)

The Adversarial Robust and Generalizable Stereo Matching for Infrared Binocular Based on Deep Learning
за авторством: Bowen Liu, та інші
Опубліковано: (2024-10-01)

Multi-Task Learning With Self-Defined Tasks for Adversarial Robustness of Deep Networks
за авторством: Changhun Hyun, та інші
Опубліковано: (2024-01-01)

Adversarial Robust and Explainable Network Intrusion Detection Systems Based on Deep Learning
за авторством: Kudzai Sauka, та інші
Опубліковано: (2022-06-01)

Robustness of Deep Learning-Based Specific Emitter Identification under Adversarial Attacks
за авторством: Liting Sun, та інші
Опубліковано: (2022-10-01)

Adversarial robustness of deep learning models : an error-correcting codes based approach
за авторством: Gupta, Samarth (computation scientist)
Опубліковано: (2021)

Towards deep neural networks robust to adversarial examples
за авторством: Matyasko, Alexander
Опубліковано: (2020)

Adversarial Robustness Guarantees for Random Deep Neural Networks
за авторством: De Palma, Giacomo, та інші
Опубліковано: (2022)

Adversarial Robustness Enhancement for Deep Learning-Based Soft Sensors: An Adversarial Training Strategy Using Historical Gradients and Domain Adaptation
за авторством: Runyuan Guo, та інші
Опубліковано: (2024-06-01)

A study of natural robustness of deep reinforcement learning algorithms towards adversarial perturbations
за авторством: Qisai Liu, та інші
Опубліковано: (2024-01-01)

Adversarial Robustness of Deep Learning-Based Malware Detectors via (De)Randomized Smoothing
за авторством: Daniel Gibert, та інші
Опубліковано: (2024-01-01)

Deep Learning Based Robust Text Classification Method via Virtual Adversarial Training
за авторством: Wei Zhang, та інші
Опубліковано: (2020-01-01)

On the adversarial robustness of Bayesian machine learning models
за авторством: Blaas, AC
Опубліковано: (2021)

Improved methodology for evaluating adversarial robustness in deep neural networks
за авторством: Lee, Kyungmi,(Computer scientist)Massachusetts Institute of Technology.
Опубліковано: (2020)

Adversarial attacks and adversarial robustness in computational pathology
за авторством: Narmin Ghaffari Laleh, та інші
Опубліковано: (2022-09-01)

Exploring the vulnerabilities and enhancing the adversarial robustness of deep neural networks
за авторством: Bai, Tao
Опубліковано: (2022)

Benchmarking adversarially robust quantum machine learning at scale
за авторством: Maxwell T. West, та інші
Опубліковано: (2023-06-01)

Adversarial attacks on deep learning
за авторством: Yee, An Qi
Опубліковано: (2023)

Robustness guarantees for deep neural networks on videos
за авторством: Kwiatkowska, M, та інші
Опубліковано: (2020)

Evaluating the Robustness of Deep Learning Models against Adversarial Attacks: An Analysis with FGSM, PGD and CW
за авторством: William Villegas-Ch, та інші
Опубліковано: (2024-01-01)

Feature-guided black-box safety testing of deep neural networks
за авторством: Wicker, M, та інші
Опубліковано: (2018)

Adversarial Representation Learning for Robust Privacy Preservation in Audio
за авторством: Shayan Gharib, та інші
Опубліковано: (2024-01-01)

Robust and Scalable Multiagent Reinforcement Learning in Adversarial Scenarios
за авторством: Shen, Macheng
Опубліковано: (2022)

Not So Robust after All: Evaluating the Robustness of Deep Neural Networks to Unseen Adversarial Attacks
за авторством: Roman Garaev, та інші
Опубліковано: (2024-04-01)