开放世界测试时训练模型的鲁棒性研究
如何让深度学习模型以低延迟适配未见过的目标领域，这一需求推动了对测试时训练/适配（TTT/TTA）的研究。然而，在开放世界环境中部署TTT/TTA面临挑战，核心难点在于难以区分强分布外（OOD）样本与常规的弱分布外样本。尽管新兴的开放世界测试时训练（OWTTT）方法解决了这一难题，却带来了新的安全漏洞——测试时投毒攻击。这类攻击与模型训练阶段发生的传统投毒攻击存在本质区别，因为攻击者无法干预训练过程本身。
服务对象 ： 重庆师范大学
发表时间： 2025年 8 月 4日
发表期刊： Frontiers in Artificial Intelligence
文章链接： https://doi.org/10.3389/frai.2025.1621025
© 版权声明
本站部分文章及资源内容可能来源于网络或公开渠道，仅供学习交流与参考使用，不代表本站立场，也不代表本站认可其观点或对其真实性负责；本站禁止发布或转载任何违法违规信息，如发现侵权、违规内容或资源链接失效，请及时联系站长微信 li19198015786，我们将在核实后尽快删除、处理或更新。
THE END
暂无评论内容