跳到主要内容
检索

Hefei University of Technology

2 篇关联报道

订阅更新
  1. arXiv

    骨架动作识别装上量化插件：白盒攻击成功率从近100%降到个位数，精度与原模型相当

    自监督骨架动作识别的主流对比学习模型此前对对抗攻击几乎没有防御，输入或特征上的微小扰动就能让识别结果大幅失效。QCLR把量化做成可插拔模块，在编码流程的输入和特征两级把连续值映射到离散码本，既吸收小扰动又切断梯度传播；在NTU-60、NTU-120和PKU-MMD上接入SkeletonCLR、AimCLR、ActCLR后，PGD与SMART攻击成功率降到个位数，分类精度保持在与原模型相当的水平。

    Central South UniversityUniversity of LeedsHefei University of Technology
    Nanzhu Chen（第一作者）
    QCLR基于骨架的人体动作识别对比学习矢量量化对抗鲁棒性
  2. arXiv

    OverAct 基准测试显示七款工具调用智能体均超出授权范围，SelfAudit 将隐私性过度访问降低 43%

    该工作提出 OverAct 基准与决策论框架，在八个隐私敏感领域测量结构化工具调用智能体的“主动过度授权”行为，发现来自四个家族的七款模型均显著超出授权范围，且请求具体性是最强预测因子、过度授权随工具池规模亚线性增长、解码温度影响甚微；同时提出零样本推理时方法 SelfAudit，通过生成基于请求的论证并过滤无依据调用，在无先知信息条件下将隐私性过度访问降低 43%。

    Alibaba Group (China)Hefei University of TechnologyEast China Normal University
    Taolin Zhang（第一作者）
    OverAct基准SelfAudit方法主动越权访问大语言模型智能体

已读完全部报道