• 1
• 0
• 0

PURPLE_AI/ScalableBDL

对抗样本检测方法LiBRe的源代码，LiBRe是一种轻量级贝叶斯对抗检测方法，通过将预训练DNN的最后几层转换为贝叶斯子模块（FADE变分），并利用预训练参数初始化进行微调，实现对多种对抗攻击的检测。该方法结合不确定性校正策略，无需对抗样本训练，在保持模型性能的同时高效检测对抗样本。

• 1
• 0
• 0

PURPLE_AI/SPAD-adversarial-detection

对抗样本检测方法SPAD的源代码

• 1
• 0
• 0

PURPLE_AI/Randomized_Smoothing

随机平滑引入了一种新颖的方法来创建一个“平滑”的分类器，通过对原始神经网络进行噪声注入数据增强，以提高模型在受到小扰动时的稳定性。

• 1
• 0
• 0

PURPLE_AI/ND-VAE

使用去噪自编码器ND-VAE对输入图像进行重构，降低对抗扰动带来的影响，提升模型在对抗样本上的识别精度

• 1
• 0
• 0

PURPLE_AI/SIBA

后门攻击SIBA的源代码

• 1
• 0
• 0

彭自文/SIBA