忆阻器脉冲神经网络的硬件感知模型反演研究:SDMI 方法与硬件非理想性对隐私泄漏的影响
arXiv 论文提出 Spiking Domain Model Inversion(SDMI),将 Expectation over Transformation(EOT)与代理梯度结合,用于对映射到忆阻器交叉阵列的脉冲神经网络(SNN)执行模型反演攻击。
AI 安全方向的论文、会议、比赛、教程与资料,按内容形态筛选,支持搜索。
arXiv 论文提出 Spiking Domain Model Inversion(SDMI),将 Expectation over Transformation(EOT)与代理梯度结合,用于对映射到忆阻器交叉阵列的脉冲神经网络(SNN)执行模型反演攻击。