Bayesian inference with certifiable adversarial robustness

Bayesian inference with certifiable adversarial robustness

We consider adversarial training of deep neural networks through the lens of Bayesian learning and present a principled framework for adversarial training of Bayesian Neural Networks (BNNs) with certifiable guarantees. We rely on techniques from constraint relaxation of non-convex optimisation probl...

Ausführliche Beschreibung

Bibliographische Detailangaben
Hauptverfasser:	Wicker, M, Laurenti, L, Patane, A, Chen, Z, Zhang, Z, Kwiatkowska, M
Format:	Conference item
Sprache:	English
Veröffentlicht:	Journal of Machine Learning Research 2021

Ähnliche Einträge

Adversarial robustness certification for Bayesian neural networks
von: Wicker, M, et al.
Veröffentlicht: (2024)

Robustness guarantees for Bayesian inference with Gaussian processes
von: Cardelli, L, et al.
Veröffentlicht: (2019)

Statistical guarantees for the robustness of Bayesian neural networks
von: Cardelli, L, et al.
Veröffentlicht: (2019)

Adversarial robustness guarantees for Gaussian processes
von: Patane, A, et al.
Veröffentlicht: (2022)

Probabilistic safety for bayesian neural networks
von: Wicker, M, et al.
Veröffentlicht: (2020)

Adversarial robustness of Bayesian neural networks
von: Wicker, M
Veröffentlicht: (2021)

Adversarial robustness guarantees for classification with Gaussian Processes
von: Blaas, A, et al.
Veröffentlicht: (2020)

Robustness of Bayesian neural networks to gradient-based attacks
von: Carbone, G, et al.
Veröffentlicht: (2020)

Robustness of 3D deep learning in an adversarial setting
von: Wicker, M, et al.
Veröffentlicht: (2020)

Certification of iterative predictions in Bayesian neural networks
von: Wicker, M, et al.
Veröffentlicht: (2021)

Probabilistic reach-avoid for Bayesian neural networks
von: Wicker, M, et al.
Veröffentlicht: (2024)

Certified Robustness to Text Adversarial Attacks by Randomized [MASK]
von: Jiehang Zeng, et al.
Veröffentlicht: (2023-06-01)

On the adversarial robustness of Gaussian processes
von: Patanè, A
Veröffentlicht: (2020)

Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning
von: Everett, Michael F, et al.
Veröffentlicht: (2021)

Certifiable Robustness to Adversarial State Uncertainty in Deep Reinforcement Learning
von: Everett, Michael, et al.
Veröffentlicht: (2021)

Individual fairness guarantees for neural networks
von: Benussi, E, et al.
Veröffentlicht: (2022)

Robust load forecasting towards adversarial attacks via Bayesian learning
von: Zhou, Y, et al.
Veröffentlicht: (2022)

On the adversarial robustness of Bayesian machine learning models
von: Blaas, AC
Veröffentlicht: (2021)

Reachability computation for switching diffusions: finite abstractions with certifiable and tuneable precision
von: Laurenti, L, et al.
Veröffentlicht: (2017)

Reachability computation for switching diffusions: Finite abstractions with certifiable and tuneable precision
von: Laurenti, L, et al.
Veröffentlicht: (2017)

Time Series Forecasting with Missing Data Using Generative Adversarial Networks and Bayesian Inference
von: Xiaoou Li
Veröffentlicht: (2024-04-01)

Adversarially Robust Fault Zone Prediction in Smart Grids With Bayesian Neural Networks
von: Emad Efatinasab, et al.
Veröffentlicht: (2024-01-01)

Trustworthiness and certified robustness for deep learning
von: Xia, Song
Veröffentlicht: (2022)

Certifiable Outlier-Robust Geometric Perception
von: Yang, Heng
Veröffentlicht: (2023)

Robustness guarantees for Bayesian neural networks (invited extended abstract of a keynote speaker)
von: Kwiatkowska, M
Veröffentlicht: (2022)

Certifiers make neural networks vulnerable to availability attacks
von: Lorenz, T, et al.
Veröffentlicht: (2023)

Robust simulation-based inference in cosmology with Bayesian neural networks
von: Pablo Lemos, et al.
Veröffentlicht: (2023-01-01)

Adversarial Inference Control in Cyber-Physical Systems: A Bayesian Approach With Application to Smart Meters
von: Ramana R. Avula, et al.
Veröffentlicht: (2024-01-01)

Inferring adversarial behaviour in cyber‐physical power systems using a Bayesian attack graph approach
von: Abhijeet Sahu, et al.
Veröffentlicht: (2023-06-01)

AutoBayes: Automated Bayesian Graph Exploration for Nuisance- Robust Inference
von: Andac Demir, et al.
Veröffentlicht: (2021-01-01)

Adversarial attacks and adversarial robustness in computational pathology
von: Narmin Ghaffari Laleh, et al.
Veröffentlicht: (2022-09-01)

Towards Fast computation of certified robustness for ReLU networks
von: Weng, Tsui-Wei, et al.
Veröffentlicht: (2021)

ME-Net: Towards effective adversarial robustness with matrix estimation
von: Yang, Y, et al.
Veröffentlicht: (2021)

Bayesian inference in FMRI.
von: Woolrich, M
Veröffentlicht: (2012)

Bayesian inference in FMRI
von: Woolrich, M
Veröffentlicht: (2012)

On the adversarial robustness of aerial detection
von: Yuwei Chen, et al.
Veröffentlicht: (2024-11-01)

Multivariate Financial Time-Series Prediction With Certified Robustness
von: Hui Li, et al.
Veröffentlicht: (2020-01-01)

Robustness guarantees for credal Bayesian networks via constraint relaxation over probabilistic circuits
von: Wijk, H, et al.
Veröffentlicht: (2022)

Manifold-driven decomposition for adversarial robustness
von: Wenjia Zhang, et al.
Veröffentlicht: (2024-01-01)

The R Package MitISEM: Efficient and Robust Simulation Procedures for Bayesian Inference
von: Nalan Baştürk, et al.
Veröffentlicht: (2017-07-01)