TY -的A2 -汗,穆罕默德Asghar盟,张洹AU - Tan,浩盟——朱,本王盟- Le AU -沙菲克,默罕默德盟——顾Zhaoquan PY - 2023 DA - 2023/02/22 TI -学习辨别敌对的敏感度不一致的例子IoHT系统SP - 1177635六世- 2023 AB -深层神经网络(款)已经在许多领域广泛采用,他们极大地促进互联网的健康的东西(IoHT)系统由矿业与健康有关的信息。然而,最近的研究表明所带来的严重威胁DNN-based系统对抗的袭击,这引起了广泛的关注。攻击者恶意工艺敌对的例子(AEs)和混合成正常的例子(NEs)愚弄款模型,这严重影响IoHT系统的分析结果。文本数据是一种常见的形式在这样的系统中,如病人的病历和处方,我们研究款的安全问题进行结构分析。识别和纠正AEs在离散的文本表示形式极具挑战性,可用的检测技术仍然有限的性能和普遍性,尤其是IoHT系统。在本文中,我们提出一个有效的和structure-free敌对的检测方法,检测AEs即使在attack-unknown和model-agnostic环境。我们表明,敏感性不一致AEs和NEs之间盛行,导致他们有不同的反应,当重要的词在文本中摄动。这一发现促使我们设计一个敌对的探测器基于敌对的特性,提取基于敏感度不一致。structure-free自该检测器,它可以直接部署在现成的应用程序无需修改目标模型。最先进的检测方法相比,我们的方法提高了敌对的检测性能,敌对的召回和一个99.7% F1-score高达97.8%。此外,大量的实验表明,我们的方法达到优越的普遍性,因为它可以跨不同的攻击者,广义模型和任务。SN - 2040 - 2295 UR - https://doi.org/10.1155/2023/1177635 - 10.1155 / 2023/1177635摩根富林明医疗工程PB - Hindawi KW - ER