DetectViT 利用注意力差异实现 ViT 后门测试时检测
热点事件持续更新
DetectViT 利用注意力差异实现 ViT 后门测试时检测
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Siquan Huang 等人提出 DetectViT,这是一种无需训练数据或触发器先验的视觉 Transformer(ViT)测试时后门检测方法。该方法通过分析推理阶段已计算的多头注意力权重中的异常模式(如注意力劫持),仅需少量分布外校准样本即可识别攻击。在 BadCLIP 数据集上,该方法实现了 100% 的真阳性率和 0.17% 的假阳性率,显著优于现有基线,相关代码已在 GitHub 开源。
AI 根据报道生成 · 13 小时前更新
最新进展11月19日 13:00
DetectViT:通过多头注意力差异进行视觉 Transformer 的测试时后门检测报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉DetectViT:通过多头注意力差异进行视觉 Transformer 的测试时后门检测
DetectViT 是一种无需训练数据或触发器先验的测试时后门检测方法,通过分析 ViT 的多头注意力机制中的异常模式(完全或部分注意力劫持)来识别攻击。该方法利用推理阶段已计算的注意力权重,仅需少量分布外校准样本即可在 BadCLIP 数据集上实现 100% 的真阳性率和 0.17% 的假阳性率,显著优于现有基线。代码已在 GitHub 开源。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。