CNN-Filter-DB-Robust

NIAID Data Ecosystem2026-03-13 收录

对抗鲁棒性

卷积滤波器分析

数据链接：

https://zenodo.org/record/6414074 数据链接链接失效反馈

官方服务：

资源简介：

Dataset for the Paper "Adversarial Robustness through the Lens of Convolutional Filters". More details: https://github.com/paulgavrikov/cvpr22w_RobustnessThroughTheLens

用于论文《从卷积滤波器视角探析对抗鲁棒性》的数据集。更多详细信息：https://github.com/paulgavrikov/cvpr22w_RobustnessThroughTheLens

创建时间：

2022-04-06

TabularBench

深度学习

对抗鲁棒性

TabularBench是由卢森堡大学创建的一个综合基准数据集，专门用于评估表格深度学习分类模型的对抗鲁棒性。该数据集包含五个关键领域（金融、医疗保健和安全等）的真实和合成数据，数据量达到数十万条。数据集的创建过程结合了最新的数据增强技术和对抗训练方法，旨在解决表格数据在对抗攻击下的鲁棒性问题。TabularBench的应用领域广泛，特别是在需要高度安全性和准确性的机器学习模型中，如金融评分和医疗

arXiv2024-08-14 更新1160

NARes

深度学习

对抗鲁棒性

NARes是一个用于WideResNet对抗鲁棒性的神经架构数据集，包含了15625种不同的架构，用于评估和研究对抗攻击下的模型性能。

github2024-06-13 更新220

CNN-Filter-DB

卷积滤波器分析

跨领域视觉任务

A diverse database of over 1.4B 3x3 convolution filters extracted from CNN models trained for various tasks in diverse image domains. We collected a total of 647 publicly available CNN models that h

NIAID Data Ecosystem50

GRB(Graph Robustness Benchmark)

图学习

对抗鲁棒性

图鲁棒性基准 (GRB) 对图机器学习模型的对抗鲁棒性提供可扩展、统一、模块化和可重复的评估。 GRB 精心设计了数据集、统一的评估管道、模块化编码框架和可重复的排行榜，它们促进了图对抗学习的发展，总结了现有进展并为未来的研究提供了见解。 GitHub：https://github.com/thudm/grb

OpenDataLab2026-07-12 更新350

MEL Adversarial Example Dataset

多模态实体链接

对抗鲁棒性

本数据集是首个针对多模态实体链接（MEL）模型对抗鲁棒性的评估数据集，旨在解决现有MEL模型在视觉对抗攻击下的鲁棒性不足问题。该数据集基于五个常见MEL基准数据集构建，包括Wikidata-MEL、Richpedia-MEL、WikiDiverse、WIKIPerson和M3EL，覆盖了多种对抗攻击场景，如图像到文本（I2T）和图像+文本到文本（IT2T）等任务。数据集通过引入对抗样本，评估了现有

arXiv2025-08-21 更新130

CNN-Filter-DB-Robust

资源简介：

相关数据集