热点事件观察中
结合密码分析与蒸馏的DNN参数重构方法发布
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月27日，arXiv机器学习领域发表一项关于从深度神经网络中恢复参数的研究。该研究通过结合密码分析权重方向提取与标签学习，提出了一种全连接神经网络的参数重构方法，并将针对ReLU的提取技术拓展至Leaky ReLU。实验表明，在最大合成架构的最深隐藏层中，Leaky ReLU成功恢复了51至57个神经元，而ReLU未能恢复神经元。此外，在CIFAR-10数据集的测试中，重构模型取得56.40%与58.29%的一致性，在三项功能指标上均超越了知识蒸馏基线。
AI 根据报道生成 · 7 小时前更新
最新进展10月27日 12:00
研究提出结合密码分析与蒸馏的DNN参数恢复技术，测试表现超越基线。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习提取结合蒸馏：从深度神经网络恢复参数的密码分析技术
该研究通过结合密码分析权重方向提取与标签学习，提出一种全连接神经网络参数重构方法，并将 ReLU 提取技术扩展至 Leaky ReLU。在最大合成架构的最深隐藏层中，Leaky ReLU 成功恢复 51-57 个神经元，而 ReLU 恢复为 0。在 CIFAR-10 测试中，重构模型达到 56.40% 与 58.29% 的一致性，在三项功能指标上超越知识蒸馏基线。
本事件热度走势
当前热度 4·可比范围峰值 5（10月28日 11:00）·近 24 小时可比范围变化 –
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。