ArXiv cs.AI
Visión editorial CMadrid
DRL-CLBA: un ataque de puerta trasera de etiqueta limpia para la clasificación del habla mediante el aprendizaje por refuerzo DDPG
arXiv:2607.01729v1 Tipo de anuncio: nuevo Resumen: Los modelos de aprendizaje profundo para la clasificación del habla son vulnerables a ataques de puerta trasera, donde desencadenantes maliciosos provocan una clasificación errónea en el momento de la inferencia. Si bien los ataques a muestras específicas pueden eludir muchas defensas, a menudo se basan en ataques de etiquetas envenenadas, lo que los hace detectables mediante la defensa de datos manual. En este documento,
Por qué importa para Chile y Latam
Lectura CMadrid: los cambios en IA suelen trasladarse a costos, empleo y competencia en la región; vale evaluar impacto en estrategia digital local.
Leer fuente original Volver al inicio
Como Afiliados de Amazon, podemos recibir comisiones por compras calificadas sin costo extra para ti.