基于深度学习的自然语言处理攻防研究综述OA
随着人工智能的发展,深度学习技术在自然语言处理(NLP)领域已经取得了显著进步。然而,NLP模型还存在安全性漏洞。文章分析了深度学习在NLP三大核心任务(包括文本表示、语序建模和知识表示)中的应用现状,针对文本生成、文本分类以及语义解析面临的攻击技术,探讨了对抗性训练、正则化技术、模型蒸馏等一系列防御技术在实际应用中的效用和局限,并通过文本分类任务的实证研究验证了集成对抗训练的有效性。
马甜;张国梁;郭晓军
西藏民族大学信息工程学院,陕西咸阳712082西藏民族大学信息工程学院,陕西咸阳712082西藏民族大学信息工程学院,陕西咸阳712082
计算机与自动化
自然语言处理深度学习语序建模攻击技术防御技术
《中阿科技论坛(中英文)》 2024 (1)
P.98-102,5
西藏自治区自然科学基金项目(XZ202001ZR0022G)。
评论