Mejora de la robustez de los modelos de aprendizaje profundo frente a ataques adversariales

La inteligencia artificial ha tenido avances significativos y generalizados a nivel mundial en los últimos años, principalmente debido al progreso excepcional del aprendizaje profundo, un subconjunto del aprendizaje automático. Actualmente, hay un aumento rápido y significativo en la adopción del aprendizaje profundo como herramienta de investigación en varias disciplinas científicas en todo el mundo. Ha emergido como un método integrador y versátil para llevar a cabo investigaciones científicas generales. Sin embargo, la extensa prevalencia y el perfeccionamiento continuo de los ataques adversariales se han convertido en un inconveniente intrínseco de los modelos de aprendizaje profundo, comprometiendo la estabilidad del modelo. Por lo tanto, mejorar la resiliencia de los modelos de aprendizaje profundo contra ataques adversariales ha surgido como un área de investigación altamente enfocada. Este estudio emplea el método de investigación de análisis de literatura y revisión de literatura para examinar la resiliencia y vulnerabilidad del aprendizaje profundo. Explora varios enfoques para mejorar la robustez de los modelos de aprendizaje profundo y proporciona un resumen completo y perspectivas sobre la mejora de estos modelos.