Целевые удары в целях адаптации к условиям испытательного времени

arXiv: 2605.23411v2 Annuate Type: заменить перекрестное резюме: Адаптация испытательного времени (TTA) уменьшает изменения в распределении путем адаптации моделей к немаркированным вводимым тестам, но также подвергает их состязательным манипуляциям. Существующие целенаправленные удары классов остаются неоптимальными для скрытой эксплуатации в этой среде: поскольку ТТА действует на партиях, заставляя поднабор образцов к этикетке цели непреднамеренно вытаскивать аналогичные доброкачественные образцы попутно, что приводит к заметно высокой частотности маркировки объекта, которую легко обнаружить. Для того чтобы поймать более реалистичную угрозу, мы введем целевое нападение на основе выборки. В отличие от предыдущих подходов, нападавший стремится неправильно классифицировать только вводимые ресурсы с приводом для нападения-выбранного, сохраняя при этом доброжелательное распределение прогнозов во избежание обнаружения. Для достижения этой цели мы предлагаем атаку на основе мета-обучания с новой стратегией приведения градиента в порядок, которая четко определяет приоритет успеха атаки. В стратегии обновление градиента сформулировано как e