专栏名称: 数据派THU
本订阅号是“THU数据派”的姊妹账号,致力于传播大数据价值、培养数据思维。
今天看啥  ›  专栏  ›  数据派THU

【CMU博士论文】优化的新视角: 应对数据中毒、解决欧几里得优化问题,以及学习最小最大最优估计器

数据派THU  · 公众号  · 大数据  · 2024-12-23 17:00
    

文章预览

来源:专知 本文 约1000字 ,建议阅读 5 分钟 在本论文中,我们通过利用可以访问适当黑箱的优化过程,开发了具有广泛适用性的技术,涉及的领域包括鲁棒优化、欧几里得优化和学习最小最大估计器。 优化技术的鲁棒性特征是现代机器学习应用中的一个基本要求。在一个大量数据从互联网上抓取或从不同来源收集的环境中,数据清理已成为一个越来越难以解决的问题。复杂的对手可以轻松绕过简单的数据清理方法,毒化训练数据,从而影响训练过程。许多攻击可以构建一个后门,使得训练出的模型在部署时能够进行恶意的定向预测。一些高级攻击甚至宣称具有广泛的通用性,即对于一个模型产生的损坏可以成功地应用于另一个模型的攻击。这是一个所有复杂度模型在现实世界中都必须应对的问题。 为了解决这一问题,现有的研究集中于为特定模 ………………………………

原文地址:访问原文地址
快照地址: 访问文章快照
总结与预览地址:访问总结与预览