Adversarial Robustness

L'Adversarial Robustness est la tâche d'évaluer la vulnérabilité des modèles d'apprentissage automatique face à diverses attaques adverses. Son objectif est d'améliorer la résistance du modèle aux entrées malveillantes, garantissant ainsi sa stabilité et sa fiabilité dans les applications pratiques. Grâce à cette tâche, les failles de sécurité du modèle peuvent être identifiées et corrigées, ce qui renforce la sécurité globale du système. Dans des environnements adverses, l'Adversarial Robustness est essentielle pour protéger la confidentialité des données et empêcher le modèle d'être manipulé.