热点事件持续更新
脉冲神经网络更难被模型窃取
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月28日，arXiv cs.AI 发布一项基准研究，测试脉冲神经网络（SNN）在模型窃取攻击下的表现。研究在 MNIST、Fashion-MNIST 和 CIFAR-10 上让 SNN 面对四类模型窃取攻击，并与人工神经网络（ANN）对比。结果显示，SNN 比 ANN 更难被窃取：SNN 替代模型与目标模型的一致率比 ANN 低 10% 到 20%，对抗迁移性比 ANN 低 15% 到 25%。研究认为，SNN 的稀疏脉冲和时序膜电位计算使决策边界更难被 ANN 替代模型逼近。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
arXiv 新基准显示，SNN 替代模型一致率比 ANN 低 10%–20%，对抗迁移性低 15%–25%。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI脉冲神经网络（SNN）更难被窃取：模型窃取攻击基准研究
一项基准测试显示，在 MNIST、Fashion-MNIST 和 CIFAR-10 上，SNN 面对四类模型窃取攻击均比 ANN 更难被窃取。SNN 替代模型与目标模型的一致率比 ANN 低 10% 到 20%，对抗迁移性比 ANN 低 15% 到 25%。其稀疏脉冲和时序膜电位计算让决策边界更难被 ANN 替代模型逼近。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。