{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2024,3,14]]，“日期时间”：“2024-03-14T02:46:38Z”，“时间戳”：1710384398724}，“出版商位置”：“查姆”，“参考计数”：28，“出版者”：“斯普林格国际出版”，“isbn-type”：[{“值”：“9783030863616”，“类型”：”打印“}，{“值”：“9783030863623”，“type”：“electronic”}]，“license”：[{“start”：{“date-parts”：[2021,1,1]]，“date-time”：“2021-01-01T00:00:00Z”，“timestamp”：1609459200000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“开始”：{“date-ports”：[2021,1,1]，“日期-时间”：“2041-01-01T 00:00Z”，“timestamp”：1609459200000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2021]]}，”DOI“：”10.1007\/978-3-030-86362-3_7“，”类型“：”book-chapter“，”创建“：{”date-part“：[[2021,9,11]]，“日期-时间”：“2021-09-11T11:02:35Z”，“时间戳”：1631358155000}，“页面”：“79-90”，“更新策略”：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“源”：“Crossref”，《is-referenced-by-count》：8，“标题”：[“神经网络可接受鲁棒性的统计证明”]，“前缀”：“10.1007”，”作者：[{“给定”：“承强”，“家族”：“黄”，“序列”：“第一”，“从属关系”：[]}，{“given”：“Zheng”，“family”：“Hu”，“sequence”：“additional”，“affiliation”：[]}，{”given“：”Xiaowei“，”family“：”Huang“，”sequence“：”additional“，”affiliance“：[]{，”givent“：”Ke“，“faily”：”Pei“，”sequence“:”additionable“，”filiation“：[]}，“member”：“297”，“published on”：{“date-parts”：[2021,9,7]]}“reference”：[{“key”：“7_CR1”，“非结构化”：“Bastani，O.，Ioannou，Y.，Lampropulos，L.，Vytiniotis，D.，Nori，A.，Criminisi，A.：用约束测量神经网络的鲁棒性。In:《神经信息处理系统进展》，第2613\u20132621页（2016）”}，{“key”：“7_CR2”，“doi-asserted-by”：“crossref”，“非结构化”：“Yu，F.，Qin，Z.，Liu，C.，Zhao，L.，Wang，Y.，Chen，X.：解释和评估神经网络鲁棒性.arXiv预印本arXiv:1903.12261“}，{“key”：“7_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Carlini N.，Wagner，D.：评估神经网络的稳健性。收录于：IEEE安全与隐私研讨会，第39\u201357页（2017）”，“doi”：“10.1109\/SP.2017.49”}，}，“key“：”7_CR5“非结构化”：“Szegedy，C.等人：神经网络的有趣特性（2013）。arXiv预印本arXiv:1312.6199“}，{“key”：“7_CR6”，“unstructured”：“Liu，C.，Arnon，T.，Lazarus，C.，Barrett，C.，Kochenderfer，M.J.，《验证深层神经网络的算法》（2019）。arXiv预先印本arX iv:1903.06758”}Rauber，J.、Brendel，W.、Bethge，M.：Foolbox：一个测试机器学习模型稳健性的python工具箱（2017）。arXiv预印本arXiv:11707.04131“｝，｛”key“：”7_CR8“，”doi断言“：”crossref“，”非结构化“：”Katz，G.，Barrett，C.，Dill，D.L.，Julian，K.，Kochenderfer，M.J.：Reluplex：一种用于验证深度神经网络的高效SMT解算器。在：国际计算机辅助验证会议，pp.97\u2013117（2017）“，”doi“：”10.1007\/978-3-319-63387-9_5“}，{“key”：“7_CR9”，“首页”：“3240”，“卷”：“33”，“作者”：“Boopathy”，“年份”：“2019年”，“非结构化”：“Boopathy，A.，Weng，T.W.，Chen，P.Y.，Liu，S.，Daniel，L.：CNN-Cert：验证卷积神经网络鲁棒性的有效框架。Proc.AAAI Conf.Intell.33，3240\u20133247（2019）”，“journal-title“：”程序。AAAI Conf.Artif.公司。因特尔。“}，{”key“：”7_CR10“，”doi-asserted-by“：”publisher“，”first-page“：”1“，”doi“：”10.1145\/3290354“，”volume“：“3”，”author“：”G Singh“，”year“：”2019“，”unstructured“：”Singh，G.，Gehr，T.，P\u00fcschel，M.，Vechev，M.：神经网络认证的抽象域。Proc.ACM Program.Lang.3，1\u201330（2019）“，”journal-title“：”Proc.ACM..ACM程序.Lang.“}，{”key“：”7_CR11“，”unstructured“：”Krizhevsky，A.，Sutskever，I.，Hinton，G.E.：基于深度卷积神经网络的Imagenet分类。In:Advances In Neural Information Processing Systems，pp.1097\u20131105（2012）“}，{“key”：“7_CR12”，“unstructured”：“Howard，A.G.，et al.：Mobilenets:efficient volutional Neural networks for mobile vision applications（2017）.arXiv预印本arXiv:1704.04861”}，}“key:”7_CR13“doi-asserted-by”：“crossref”，“非结构化”：“He，K.，Zhang，X.，Ren，S.，Sun，J.：图像识别的深度剩余学习。摘自：IEEE计算机视觉和模式识别会议论文集，第770\u2013778页（2016）“，“DOI”：“10.1109\/CVPR.2016.90”}，{“key”：“7_CR14”，“unstructured”：“Goodfellow，I.J.，Shlens，J.，Szegedy，C.：解释和利用对抗示例（2014）。arXiv预印本arXiv:1412.6572”}Singh，G.、Gehr，T.、Mirman，M.、P\u00fcschel，M.和Vechev，M.：快速有效的稳健性认证。摘自：《神经信息处理系统进展》，第10802\u201310813（2018）页“}，{“key”：“7_CR16”，“doi-asserted-by”：“crossref”，“unstructured”：“Dutta，S.，Jha，S.、Sanakaranayanan，S.和Tiwari，A.：深层神经网络的输出范围分析（2017）。arXiv预印本arXiv:1709.09130”，“doi”：“10.1007\/978-3-197-77935-5_9”}，“{“key”：”7_CR17“，”doi-asserted-by“：”crossref“，”unstructured“：”Huang，X.，Kwiatkowska，M.，Wang，S.，Wu，M.：深度神经网络的安全验证。摘自：计算机辅助验证国际会议，第3\u201329页（2017）“，“DOI”：“10.1007\/978-3-319-63387-9_1”}，{“key”：“7_CR18”，“unstructured”：“Papernot，N.等人：关于聪明人v2的技术报告。1.0对抗性示例库（2016）。arXiv预打印arXiv:1610.00768“}，{“key”：“7_CR19”，“unstructured”：“百度（2019）.https:\\/github.com/advboxes\/perceptron-benchmark”}，}，“key“：”7_CR20“，“doi-asserted-by”：“crossref”，“非结构化”：“Narodytska，N.，Kasiviswanathan，S.P.：深层网络的简单黑盒对抗性扰动（2016）。arXiv preprint arXiv:1612.06299”，“doi”：“10.1109\/CVPRW.2017.172“}，{“key”：“7_CR21”，“doi-asserted-by”：“crossref”，“unstructured”：“Hoeffing，W.：有界随机变量和的概率不等式。美国统计协会期刊58，13\u201330（1963）”，“doi”：“10.1080\/01621459.1963.10500830”}，}，[key：“7-CR22”，“非结构化”：“Serfling，R.：抽样中不替换总和的概率不等式。Ann.Stat.38，39\u201348（1973）“}，{“key”：“7_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Papernot，N.，McDaniel，P.，Wu，X.，Jha，S.，Swami，A.：蒸馏作为对抗深层神经网络对抗干扰的防御手段。摘自：IEEE安全与隐私研讨会，第582\u2013597页（2016）”，“doi”：“10.1109\/SP.2016.41”}，}7_CR24“，”doi断言“：”crossref“，”非结构化“：”Mohapatra，J.，Chen，P.Y.，Liu，S.，Daniel，L.：验证神经网络对语义扰动的鲁棒性（2019）。arXiv预打印arXiv:1912.09533“，”DOI“：”10.1109\/CVPR42600.2020.00032“}，{“key”：“7_CR25”，“unstructured”：“FAA:系统安全手册，华盛顿特区（2000）”}，“key“：”7_CR26“，”unstructure“：”https:\/\/github.com\/MandryLab\/mnist“}}，{“key”：“7_CR28”，“非结构化”：“http:\/\/jaina.cs.ucdavis.edu\/datassets\/adv\/imagenet\/“}]，“container-title”：[“计算机科学课堂讲稿”，“人工神经网络和机器学习\u2013 ICANN 2021”]，“original-title“：[]，”link“：[{”URL“：”https:\/\/link.springer.com\/content\/pdf\/10007\/978-3-030-86362-3_7“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,9,11]]，”date-time“：”2021-09-11T11:04:46Z“，”timestamp“：1631358286000}，”score“：1，”resource“：”primary“：”{“URL”：“https:\/\/link.springer.com\/10007\/978-3030-86362-3_7”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-part”：[[2021]]}，“ISBN”：[“9783030863616”，“9783030863623“]，”引用计数“：28，”URL“：”http://\/dx.doi.org\/10.1007\/978-3-030-86362-3_7“，”关系“：{}，”ISSN“：[”0302-9743“，”1611-3349“]，“ISSN-type”：[{“value”：“0302-974”，”type“：”print“}，{“value”：“1611-3399”，”类型“：“electronic”}]，“subject”：[]，“published”：{“date-pa”rts“：[[2021]]}，”断言“：[{“value”：“2021年9月7日”，“order”：1，“name”：“first_online，“label”：“first online”，“group”：{“name”：“ChapterHistory”，“label:”Chapter History“}}，{“value”：“ICANN”，“order”：1，“name”，“conference_acrombit”，“标签”：“ConferenceAcronym”，“群组”：{“name”:”ConferenceInfo“，”label“：”ConfernceInformation“}，”value“：”International conference on Artificial Neural Networks“，”order“：2，”name“：”conference_name“，”label“：”会议名称“，”group“：{”name“：”ConferenceInfo“，”label“：“会议信息”}}，{”value“：”Bratislava“，”order“：3，“name”：“conference_city”，“label”：“ConferenceCity”，“group”：{“name”:“ConferenceInfo”，“label”：”会议信息“}}”，{“value”：“Slovakia”，“order”：4，“namegroup“：{”name“：”ConferenceInfo“，”label“：”Meeting Information“}}，{”value“：”2021“，”order“：5，”name“:”Conference_year“，”标签“：”会议年份“，”group“:信息“，”label“：”Conference Information“}}，{“value”：“2021年9月17日”，“order”：8，“name”：“Conference_end_date”，“label”：“ConferenceEnd date”，“group”：{“name”:“ConferenceInformation”，“标签”：“会议信息”}}“”value“：”icann2021“，”order“：10，”name“：”conference_id“，”label“：”会议id“，”group“：{“value”：“单盲”，“order“：1，”name“：”type“，”label“：”type“，”group“：同行评审信息（由会议组织者提供）“}}，{“value”：“496”，“order”：3，“name”：“number_of_submissions_sent_for_Review”，“label”：“发送供评审的提交数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息”（由会议主办方提供）number_of_full_papers_accepted“，”label“：”接受的全文数“，”group“：{”name“：”ConfEventPeerReviewInformation“，”标签“：”同侪审查信息（由会议组织者提供）“}}，{”value“：”4“，”order“：5”，“name”：“number_ of_short_papers_Accepteded”，“label”：“接受的短文数”，“group”：{“name”ConfEventPeerReviewInformation“，”label“：”同行评审信息（由会议组织者提供）“}}，{”value“：”53%-该值由等式“接受的全文数”/“发送供评审的提交数*100”计算，然后四舍五入为整数。“，”order“：6，”name“：”acceptance_rate_of_Full_Papers“，”标签“：”全文接受率“，”group“：{”name“：”ConfEventPeerReviewInformation“，”label“：”Peer Review Information（由会议组织者提供）“}}，{”value“：”3“，”order“：7，”name“:”average_number_of_reviews_per_paper“，”标签“：”每篇论文的平均评论数“，”google“：同行评议信息（由会议组织者提供）“}}，{“value”：“2.5”，“order”：8，“name”：“average_number_of_papers_per_reviewer”，“label”：“每个审阅者的平均论文数”，“group”：{“name”:“ConfEventPeerReviewInformation”，“table”：“同行评审信息（由大会组织者提供）”}}external_reviewers_involved“，”label“：“涉及的外部审阅者”，“group”：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行审阅信息（由会议组织者提供）”}}，{“value”：“由于新冠肺炎疫情，会议已在线举行。”，“order”：10，“name”:“additional_info_on_Review_process”，“标签”：“”评审过程附加信息“，”组“：{“name”：“ConfEventPeerReviewInformation”，“label”：“同行评审信息（由会议组织者提供）”}}]}}