热点事件持续更新
研究团队提出黑盒对抗搜索框架ATLAS
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月7日，研究人员提出基于查询的黑盒对抗评估框架ATLAS。该框架通过主动学习水平集估计与局部-全局采样，能够自适应定位并提取导致模型失效的对抗输入集合。在MNIST、CIFAR和ImageNet等目标模型的测试中，ATLAS在有限查询预算下的性能表现优于NES、SignHunter及BayesOpt等基线方法。该框架可作为自动化红队工具，用于评估系统鲁棒性并开展持续安全审计。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
研究团队提出黑盒对抗搜索框架ATLAS，可作为自动化红队工具用于安全审计。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv 机器学习ATLAS-AL：基于主动学习与自适应信任域的黑盒对抗搜索框架
研究人员提出基于查询的黑盒对抗评估框架 ATLAS，通过主动学习水平集估计与局部-全局采样，自适应定位并提取导致模型失效的对抗输入集合。在 MNIST、CIFAR 和 ImageNet 等目标模型的测试中，ATLAS 在有限查询预算下的表现优于 NES、SignHunter 和 BayesOpt 等基线方法。该框架可作为自动化红队工具，用于评估系统鲁棒性及开展持续安全审计。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。