arXiv论文提出Natural Jammers：非鲁棒特征可在干净图像上误导模型

一篇被 NeurIPS 2026 接收为 Spotlight 的论文（arXiv:2610.34785）提出，深度神经网络依赖的非鲁棒特征可成为 Natural Jammers，在未修改的干净图像上主动误导标准模型。 研究通过标准模型与鲁棒模型的预测分歧定位出受干扰图像集合（Jammed Set），并提出 Spectral-spatial Locking 机制：只有当高频分量与特定空间结构精确对齐时干扰才会触发，谱滤波或微小几何位移即可恢复正确预测。论文还发现 Substitution Paradox：单点干扰虽对几何位移脆弱，但干扰总体发生率在变换下近似稳定，只是被重新分布而非消除。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。