محققان در پژوهشی تازه، راهکار نوینی برای ارتقای «استحکامِ تأیید شده» (Certified Robustness) در مدلهای رگرسیون ارائه کردهاند. تا پیش از این، روشهای موجود در این حوزه با چالشهای محاسباتی و دقت پایین روبرو بودند، اما این روش جدید با استفاده از اطلاعات گرادیان و تحلیل هندسی مدل، نتایج بسیار دقیقتری را در برابر حملات خصمانه تضمین میکند.
این دستاورد که بر پایه «تصحیح رگرسیون» بنا شده، میتواند مسیر را برای ساخت سیستمهای یادگیری ماشین قابلاعتمادتر هموار کند. خبر خوب اینکه در تستهای انجام شده روی مجموعه داده MNIST، این متد عملکردی به مراتب بهتر از مدلهای فعلی داشته است.
منبع: arXiv Machine Learning