文本分类中的自适应攻击检测：利用空间探索特征进行文本情感分类
摘要：对抗性示例检测在自适应网络防御中起着至关重要的作用，尤其是面对不断进化的攻击。在自适应网络防御中，攻击的性质和特征不断变化，因此必须建立强大的机制来有效地检测和应对这些威胁。通过应用对抗性示例检测技术，自适应网络防御系统可以增强其识别和减轻试图利用机器学习模型或其他系统中的漏洞进行攻击的能力。对抗性示例是通过对自然输入应用有意的扰动而产生的输入，导致错误分类。在本文中，我们提出了一种新颖的方法，利用BERT（双向编码器转换器）的强大功能，并引入了“空间探索特征”的概念。我们利用从BERT模型输出获得的特征向量来捕捉特征空间的新表示，以改进密度估计方法。
作者：Atefeh Mahdavi, Neda Keivandarian, Marco Carvalho
论文ID：2308.15663
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-08-31