DCF 扰动一致性研究：特定攻击下优于 Softmax

研究人员在 arXiv 发布关于 DCF 一致性分数（CS）与 Softmax 置信度比较的理论研究。在涉及 201 次评估的实验中发现，在干净数据上检测误分类时，CS 的性能始终低于最大 Softmax 概率（MSP）。具体而言，针对冻结 CNN 模型，CS 的 AUROC 比 MSP 低 0.057，而计算成本却是后者的 8 到 15 倍。 该研究进一步测试了噪声破坏和对抗攻击场景。在 CIFAR-10-C 噪声破坏下，CS 表现优于 MSP；在投影梯度攻击下，在 2/255 预算内，CS 区分干净与被攻击输入的 AUROC 达到 0.83，显著高于 MSP 的 0.37。然而，研究强调噪声下的性能优势未能转移到未知的偏移类别中。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。