首页> 外文OA文献 >Blackbox Trojanising of Deep Learning Models: Using Non-Intrusive Network Structure and Binary Alterations

【2h】

Blackbox Trojanising of Deep Learning Models: Using Non-Intrusive Network Structure and Binary Alterations

机译：Blackbox Trojanising深度学习模型：使用非侵入式网络结构和二进制改变

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Jonathan Pan;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Dissecting Machine-Learning Prediction of Molecular Activity: Is an Applicability Domain Needed for Quantitative Structure-Activity Relationship Models Based on Deep Neural Networks? [J] . Liu Ruifeng, Wang Hao, Glover Kyle P., Journal of chemical information and modeling . 2019,第1期

机译：解剖分子活动的机器学习预测：是基于深神经网络的定量结构活动关系模型所需的适用性域？
2. Non-intrusive model reduction of large-scale, nonlinear dynamical systems using deep learning [J] . Gao Han, Wang Jian-Xun, Zahr Matthew J. Physica, D. Nonlinear phenomena . 2020,第1期

机译：使用深度学习的大规模非线性动力系统的非侵入式模型减少
3. Non-Intrusive Inference Reduced Order Model for Fluids Using Deep Multistep Neural Network [J] . Xuping Xie, Guannan Zhang, Clayton G. Webster Mathematics . 2019,第8期

机译：基于深度多步神经网络的流体非侵入式推理降阶模型
4. Blackbox Trojanising of Deep Learning Models: Using Non-Intrusive Network Structure and Binary Alterations [C] . Jonathan Pan IEEE Region 10 Conference . 2020

机译：Blackbox Trojanising深度学习模型：使用非侵入式网络结构和二进制改变
5. Learning Latent Hierarchical Structures via Probabilistic Models and Deep Learning [D] . Arabshahi, Forough 2018

机译：通过概率模型和深度学习来学习潜在的层次结构
6. Forecast Modelling via Variations in Binary Image-Encoded Information Exploited by Deep Learning Neural Networks [O] . Da Liu, Ming Xu, Dongxiao Niu, -1

机译：深度学习神经网络利用二进制图像编码信息中的变化进行预测建模
7. Forecast Modelling via Variations in Binary Image-Encoded Information Exploited by Deep Learning Neural Networks. [O] . Da Liu, Ming Xu, Dongxiao Niu, 2016

机译：基于深度学习神经网络的二值图像编码信息变异预测建模。

Blackbox Trojanising of Deep Learning Models: Using Non-Intrusive Network Structure and Binary Alterations

著录项

引文网络

相似文献

相关主题

期刊订阅