LEMNA（利用非线性近似的局部解释方法）论文整理

最新推荐文章于 2023-03-05 18:36:02 发布
最新推荐文章于 2023-03-05 18:36:02 发布
阅读量298 收藏
点赞数
分类专栏： paper
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44774630/article/details/98175154
版权

#论文链接 https://dl.acm.org/citation.cfm?id=3243792
#论文整理ppt链接 https://kdocs.cn/l/cgmFboB60xjZ
[金山文档] LEMNA ppt.pptx

妈妈咪咦
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
LEMNA:'Lemna的源代码-Source code learning
03-25
非线性近似（LEMNA）的局部解释方法 郭文波等人的研究论文的实施。 “ Lemna：解释基于深度学习的安全应用程序。” 2018年ACM SIGSAC计算机和通信安全会议论文集。 ACM，2018年。 生成一小组可解释的特征，以解释神经网络如何对输入样本进行分类 通过逼近复杂的深度学习决策边界的局部区域来提高解释的逼真度
论文详读：LEMNA: Explaining Deep Learning based Security Applications
nooo255的博客
01-02 1490
我以我ppt的内容顺序介绍一下这篇论文，希望有错误的地方大家可以帮我指出嘻嘻 1、论文出处 论文名：LEMNA: Explaining Deep Learning based Security Applications 作者：Wenbo Guo, Dongliang Mu, Jun Xu, Purui Su, Gang Wang, Xinyu Xing（Wenbo Guo是宾夕法尼亚大学计算...
利用LEMNA解释深度学习在网络安全的应用(下).pdf
08-19
利用LEMNA解释深度学习在网络安全的应用(下).pdf
利用LEMNA解释深度学习在网络安全的应用(上).pdf
08-19
利用LEMNA解释深度学习在网络安全的应用(上).pdf
浮萍对罗非鱼越冬池水体的净化作用 (2014年)
06-15
在温室罗非鱼(Oreochromis niloticus)越冬池内架设浮萍(Lemna minor Linn)草床,设置5组不同重量梯度的浮萍和空白对照组,通过平行试验和连续试验测定浮萍生长速度以及浮萍对池水中溶解氧、pH及营养盐(总磷、总氮、氨氮、亚硝氮)等理化指标的影响。结果表明,不同密度条件下浮萍的生长速度不同,适宜的浮萍密度可增加池水溶氧、抑制pH的降低、吸收氮磷、净化水质。其中当浮萍密度为660~675g/m2时,对池水的净化效果最好,可为温室体系内浮萍净水的最佳投入量提供依据。
【人工智能系列经典图书翻译】可解释机器学习（第二版） 第9章 局部模型无关方法
欲穷千里目，更上一层楼
09-13 1149
局部解释方法解释个别预测。在本章中，您将了解以下局部解释方法
LEMNA: Explaining Deep Learning based Security Applications
This is Yu SI's blog. Kenny(司宇SIYU)
01-20 462
LEMNA: Explaining Deep Learning based Security Applications LEMNA：Local Explanation Method using Nonlinear Approximation Abstract 虽然深度学习在各个领域显示出巨大潜力，但缺乏透明度限制了其在security 或者 safety-critical领域的应用。现有研究试图开发可解释技术，为每个分类决策提供可解释性。不幸的是，当前的方法是针对非安全任务(例如，图像分析)而优化的。他们
LEMNA-Explaining Deep Learning based Security Applications
weixin_30755709的博客
12-24 345
CCS2018最佳论文。主题是安全领域中机器学习模型的解释性，使用的是黑盒攻击的方法。 0x0000摘要 0x0001引言 稍微介绍一下引言部分 引言部分首先介绍了目前深度学习解释领域的基本现状，很多都是围绕着CNN去工作的的，所以对安全领域的深度学习解释模型意义不大，1.数据类型不一样2.需要解释的粒度不一样（图像像素可以允许一定的误差，但是安全领域会失之毫厘，差之千里） 然...
机器学习的可解释性（总结）
热门推荐
ilalaaa的博客
07-18 1万+
目录背景什么是可解释性可解释性的分类ante-hoc可解释性post-hoc可解释性可解释性与安全性展望解释方法设计解释方法评估 论文 机器学习模型可解释性方法、应用与安全研究综述. 背景 近年来,机器学习在计算机视觉、自然语言处理、语音识别等多个领域取得了巨大的成功，机器学习模型也被广泛地应用到一些重要的现实任务中，如人脸识别、自动驾驶、恶意软件检测 和智慧医疗分析等。 然而，由于机器学习缺乏可解释性，在应用方面受到许多制约。例如DNN模型，就如同一个黑盒，给予一个输入，得到一个决策结果，但是我们无法确切
线性回归与非线性回归分析简明教程（python版）-全程干货无废话
07-23
本课程主要讲述如何使用python进行线性回归与非线性回归分析，包括：基于statsmodel的线性回归方法基于sklearn的线性回归方法基于Numpy的一元多项式非线性回归方法基于sklearn的多元多项式非线性回归方法基于scipy的通用曲线拟合非线性回归方法
猪场污水中浮萍生物量和淀粉含量变化研究 (2012年)
05-08
以四川常见的青萍(Lemna minor),少根紫萍(Spirodela of ygorrhiza),稀脉浮萍(L. perpusilla)和紫萍(S. polyrrhiza)为研究对象,研究了猪场污水浓度和接种量对其生物产量和淀粉含量的影响．结果表明在5％的猪场污水中,浮萍科的4个种都有较高的生长速率．在 35. 4 g/m2的接种量时,青萍的淀粉含量最高可以达到干重的32. 9%；在17. 7 g/m2的接种量时,少根紫萍、稀脉浮萍和紫萍的最高淀粉含量分别可达到干重的44. 4%、38.0%和35.
sklearn实现多元线性回归及多项式回归.docx
10-18
sklearn实现多元线性回归及多项式回归，个人学习笔记，简单易懂，实现多项式回归
【论文阅读】xNIDS：可解释的基于深度学习的网络入侵检测系统的主动入侵响应（USENIX-2023）
最新发布
qq_44623371的博客
03-05 2200
xNIDS：可解释的基于深度学习的网络入侵检测系统的主动入侵响应（USENIX-2023）
解释深度学习在安全领域中的应用
All In AI and Big Data
12-02 294
摘要： 虽然深度学习在各个领域显示出巨大的潜力，但缺乏透明度限制了它在安全或关键安全领域的应用。现有的研究试图开发解释技术，为每个分类决策提供可解释的解释。不幸的是，当前的方法是针对非安全性任务(例如，图像分析)进行优化的。它们的关键假设在安全应用程序中经常被违反，导致解释的保真度很差。 本文提出了一种用于安全应用的高保真度解释方法LEMNA。给定一个输入数据样本，LEMNA生成一小组可解释的特...
Paper Reading——LEMNA:Explaining Deep Learning based Security Applications
weixin_30641465的博客
03-27 262
Motivation: The lack of transparencyof the deep learning models creates key barriers to establishing trusts to the model or effectively troubleshooting classification errors Common methods on non-...
联邦学习隐私的方法介绍
weixin_44774630的博客
07-27 6077
Federated Machine Learning: Concept and Applications #链接 https://arxiv.org/pdf/1902.04885.pdf 2.2联邦学习的隐私 隐私是联邦学习的基本属性之一。这需要安全模型和分析来提供有意义的隐私保证。在本节中，我们将简要回顾和比较用于联邦学习的不同隐私技术，并确定防止间接泄漏的方法和潜在挑战。 ·安全多方计算(SM...
【paper】latex使用algorithm工具包实现伪代码排版
weixin_44774630的博客
02-04 4102
伪代码的latex代码前言algorithm+algorithmicalgorithm2e拓展需求参考资料 前言 由于实现伪代码排版的需求比较急，以下内容仅为个人观点，如有错误的地方，欢迎评论区留言~ 公式部分推荐使用MathType，可直接转为latex代码。 algorithm+algorithmic 如果你的伪代码比较长，需要分页显示，个人体验就是不推荐使用algorithm2e工具包，因为这个工具包比较新，在使用手册中没有找到相关方法实现分页。（有实现的小伙伴欢迎评论区留言~ ①基本用法 \cap
关于基于无线电信号分类的深度学习的对抗性攻击（论文笔记）
weixin_44774630的博客
09-05 2385
论文链接：https://arxiv.org/pdf/1808.07713.pdf ·摘要· （深度学习极易受到攻击） 本文1.考虑DL在无线电信号调制分类任务的使用，给出了该应用程序中创建白盒和通用黑盒对抗性攻击的实用方法。 2.证明攻击在输入小的扰动时也可以极大降低分类性能，比传统攻击要强大。在无线物理层基于深度学习的算法的使用提出了安全性和鲁棒性问题。 ·贡献· ...
Secure Federated Transfer Learning （论文翻译与拓展）
weixin_44774630的博客
08-07 1492
Secure Federated Transfer Learning 安全联邦迁移学习（论文翻译与笔记） ·摘要 机器学习依赖于大量训练数据的可用性。然而，在现实中，大多数数据分散在不同的组织中，无法在许多法律和实际约束下轻松集成。在本文中，我们引入了一种新的技术和框架，称为联邦迁移学习(FTL)，以改进数据联合下的统计模型。该联合允许在不损害用户隐私的情况下共享知识，并允许补充知识在网络中可以传...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值