12:28arXiv cs.LG@Sherwin Varghese, Matthew Wicker, Alessio Lomuscio精选随着AI在安全关键系统中的部署,形式化鲁棒性保证变得至关重要。现有验证方法要么过于保守,要么计算成本高昂。本文提出STBP(时空边界传播)框架,针对处理视频和体积输入的3D CNN,通过建模真实的时空约束(如攻击者只能修改连续帧中的子集或补丁)来获得更紧的近似。STBP对第一卷积层计算精确闭式解,后续层使用可扩展近似,在UCF-101、Udacity和MedMNIST等基准上实现了1.7倍更高的认证鲁棒准确率。同时,作者发布了ST-Bench基准,用于系统评估自动驾驶和活动识别中的可验证鲁棒性。论文鲁棒性验证时空神经网络3D CNN形式化验证安全关键系统推荐理由:做AI安全验证的团队终于有了兼顾精度和效率的方案——STBP用混合策略解决了传统方法要么太松要么太慢的困境,做视频/3D视觉鲁棒性验证的开发者可以直接参考。原文