![Анализ уязвимостей на уровне признаков для набора данных фишинговых сайтов выявляет, что чувствительность признаков, оцениваемая на основе градиентов [latex]Eq.5[/latex], и смещение средних значений атрибуции SHAP при враждебных возмущениях [latex]Eq.6[/latex], позволяют оценить устойчивость модели к целенаправленным атакам.](https://arxiv.org/html/2602.06395v1/figures/feature_vulnerability_2panel_hbar.png)
Новое исследование показывает, что современные алгоритмы машинного обучения, используемые для защиты от киберугроз, подвержены атакам, и предлагает способ оценки и повышения их устойчивости.
Новый подход позволяет создавать более понятные и устойчивые объяснения для моделей, работающих с графами, используя методы, вдохновленные атаками на эти самые модели.
Новая модель позволяет понять и контролировать внутренние процессы больших языковых моделей, открывая возможности для более эффективного и интерпретируемого искусственного интеллекта.
![Исследование демонстрирует, что анализ несоответствий в зеркальных отражениях, основанный на математической модели освещения Фонга [latex]I = r \cdot \cos(\theta) + d \cdot \cos(\phi)[/latex], позволяет выявлять подделки лиц, поскольку воспроизведение реалистичных отражений представляет значительную сложность для алгоритмов, в отличие от методов, основанных на пространственном или частотном анализе.](https://arxiv.org/html/2602.06452v1/x1.png)
Новое исследование предлагает эффективный метод обнаружения дипфейков, основанный на анализе несоответствий в воспроизведении бликов света на коже.
![Для галактик GAMA, не имеющих оценок на основе анализа спектральной плотности энергии, величина [latex]W1W1[/latex] демонстрирует чёткую линейную зависимость от массы, предсказанной искусственной нейронной сетью, что указывает на возможность использования [latex]W1W1[/latex] в качестве индикатора звёздной массы, при этом неопределённость в оценке [latex]log_{10}(M_{\star})[/latex] обычно составляет ±0.05 dex и достигает максимума при промежуточных значениях массы, где наблюдается наибольшее разнообразие в содержании пыли и истории звездообразования.](https://arxiv.org/html/2602.06492v1/figs/predicted_err_vs_mass.png)
Исследователи показали, что нейронная сеть, обученная на данных моделирования, способна точно оценивать звездную массу галактик по данным широкополосной фотометрии.