提出Gradient Confusion Defense防御方法

2026年10月15日，arXiv Artificial Intelligence 刊出报道，Ali Javeri 等作者提出 Gradient Confusion Defense（GCD）。据该报道，GCD 是一种无需重训的确定性测试时封装方法，通过求解基于模型 Jacobian 的约束优化问题，将暴露的 logit 梯度对齐到与真实对抗损失梯度最大程度错位的目标方向，从而提升攻击的查询复杂度。报道称其可抵御黑盒分数查询攻击。上述内容为目前可确认的进展，尚无后续跟进报道，也未出现与早先报道相矛盾的数字、时间或说法。

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。