スパイクニューラルネットワークの敵対的ロバスト性の信頼できる評価に向けて
Research Paper#Spiking Neural Networks, Adversarial Robustness, Machine Learning🔬 Research|分析: 2026年1月3日 16:26•
公開: 2025年12月27日 08:43
•1分で読める
•ArXiv分析
本論文は、スパイクニューラルネットワーク（SNN）の敵対的ロバスト性の評価における課題に取り組んでいます。SNNの不連続性により、勾配ベースの敵対的攻撃が信頼できなくなります。著者らは、Adaptive Sharpness Surrogate Gradient (ASSG) と Stable Adaptive Projected Gradient Descent (SA-PGD) 攻撃を備えた新しいフレームワークを提案し、敵対的ロバスト性評価の精度と安定性を向上させています。この研究結果は、現在のSNNのロバスト性が過大評価されていることを示唆しており、より優れたトレーニング方法の必要性を強調しています。