提出检测放射影像定向对抗攻击的框架

2026年10月14日，arXiv Computer Vision 刊出研究，作者 Tristan Malaty'nski 与 Joanna Jaworek-Korjakowska 提出一种针对放射影像深度神经网络方向性对抗攻击的检测框架。该框架利用随机噪声后续攻击识别对抗扰动，通过分析 Sigmoid 函数变化区分真实医学图像与被篡改图像，并比较干净图像与受攻击图像及不同对抗版本间的预测差异。据该研究称，框架在识别对抗方向性攻击上最高达到 99.8% 准确率，显著优于现有防御机制；在不同攻击强度下均能持续识别对抗样本，同时保持较低假阳性，显示出较强可靠性及临床使用潜力。该研究发表于 CVPR 2026 Workshops（SAIAD），开放获取。目前进展为研究提出并评估该框架，尚无后续跟进报道。

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。