{“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”：“2024-03-14T02:49:07Z”，“时间戳”：1710384547697}，“出版商位置”：“美国纽约州纽约市”，“参考计数”：86，“出版者”：“ACM”，“资助者”：[{“名称”：“广东省重点区域研究发展计划”，“奖项”：[“2018B010107004”]}，{“name”：“广州市基础与应用基础研究项目”，“奖项”：[“202102021304”]}，{“name”：“上海市可信计算重点实验室开放项目”，“奖项”：[“OP202001”]}，{“DOI”：“10.13039\/50101100001809”，“name”：“国家自然科学基金”，“DOI断言”：“出版商”，“奖项”：[“61836005”]}]，“内容域”：{“域”：[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2022,5,21]]}，”DOI“：”10.1145\/3510003“，”type“：”proceedings-article“，”created“：{”date-part“：[2022,7,5]]，”date-time“：”2022-07-05T22:42:59Z“，”timestamp“：16570609Z”79000}，“更新政策”：“http://\/dx.doi.org\/10.1145\/crossmark-policy”，“source”：“Crossref”，“is-referenced-by-count”：7，“title”：[“基于PAC-模型学习的DNN实用稳健性分析”]，“prefix”：“10.1145”，”author“：[{”given“：”Renjue“，”family“：”Li“，”sequence“：”first“，”affiliation“：[}”name“：”University of China Sciences，China}]}，{“given”：“鹏飞”，“家族”：“杨”，“序列”：“附加”，“从属关系”：[{“名称”：“中国科学院”}]}，{“给定”：“程超超”，“家庭”：“黄”，“顺序”：“额外”，“附属关系”：[{“姓名”：“琶洲实验室”}]{，}“给定的”：“友诚”，“家人”：“孙”，“排序”：“添加”，“隶属关系”：[C{“名字”：“英国贝尔法斯特女王大学”}]neneneep，{“给定”：“白”，“家族”：“薛”，“序列”：“附加”，“隶属关系”：[{“名称”：“中国科学院大学”}]}，{“给定”：“李军”，“家族“：“张”，“顺序”：“额外”，“附属关系”：[{“姓名”：“中科院大学”{]}]，“成员”：“320”，“在线发布”：{“date-parts”：[2022,7,5]]}，“引用”：[}“密钥”：“e_1_3_2_1 _1_1“，“卷-时间”：“GECCO”，“作者”：“Alzantot Moustafa”，“年份”：“2019年”，“非结构化”：“Moustafa Alzantto，Yash Sharma，Supriyo Chakraborty，Huan Zhang，Cho-Jui Hsieh，and Mani B.Srivastava.2019。GenAttack：具有无梯度优化的实用黑盒攻击。在GECCO 2019中，Anne Auger和Thomas St\u00fctzle（编辑）。捷克共和国布拉格ACM，1111-1119。穆斯塔法·阿尔桑托特（Moustafa Alzantot）、亚什·夏尔马（Yash Sharma）、苏普里约·查克拉博蒂（Supriyo Chakraborty）、张欢（Huan Zhang）、谢卓瑞（Cho-Jui Xieh）和马尼·斯利瓦斯塔瓦（Mani B.Srivastava）。2019.GenAttack：具有无梯度优化的实用黑盒攻击。在GECCO 2019中，Anne Auger和Thomas St\u00fctzle（编辑）。ACM，布拉格，捷克共和国，1111--1119.“}，{“key”：“e_1_3_2_1_2_1”，“volume-title”：“Anderson and Somayeh Sojoudi”，“author”：“Brendon”，“year”：“2020”，“unstructured”：“Brondon G.Anderson和Somayeh-Sojoudi.2020。证明神经网络对样本随机输入噪声的鲁棒性。arXiv:2010.07532[cs.LG]Brendon G。安德森和索马耶·索朱迪。2020年，验证神经网络对样本随机输入噪声的鲁棒性。arXiv:2010.07532[cs.LG]“}，{“key”：“e_1_3_2_1_3_1”，“volume-title”：“Anderson和Somayeh Sojoudi”，“author”：“Brendon”，“year”：“2020”，“unstructured”：“Brondon G.Anderson and Somayeh-Sojoudi.2020。具有随机输入不确定性的深度神经网络的数据驱动评估。arXiv:2010.01171[cs.GL]Brendon G.安德森和Somayah Sojoodi.2020。具有随机输入不确定性的深度神经网络的数据驱动评估。arXiv:2010.01171[cs.LG]“}，{“key”：“e_1_3_2_1_4_1”，“volume-title”：“深度抽象：用于加速验证的神经网络抽象。在ATVA 2020（计算机科学讲义）中，“volum:”107“，”author“：”Ashok Pranav“，”year“：”2020“，”unstructured“：”Pranav Ashok、Vahid Hashemi、Jan Kret\u00ednsk\u00fd和Stefanie Mohr。2020 . 深度抽象：用于加速验证的神经网络抽象。在ATVA 2020（计算机科学讲义，第12302卷）中，Dang Van Hung和Oleg Sokolsky（编辑）。施普林格，92-107。Pranav Ashok、Vahid Hashemi、Jan Kret\u00ednsk\u00fd和Stefanie Mohr。2020年，深度抽象：神经网络抽象加速验证。在ATVA 2020（计算机科学讲义，第12302卷）中，Dang Van Hung和Oleg Sokolsky（编辑）。Springer，92-107.“}，{”key“：”e_1_3_2_1_5_1“，”volume-title“：”ICSE“，”author“：”Baluta Teodora“，“year”：“2021”，“unstructured”：“Teodora-Baluta，Zheng Leong Chua，Kuldeep S Meel，and Prateek Saxena。2021.深度神经网络的可扩展定量验证。在ICSE 2021中。IEEE，西班牙马德里，312-323。特奥多拉·巴卢塔（Teodora Baluta）、郑梁楚（Zheng Leong Chua）、库尔德普·S·梅尔（Kuldeep S Meel）和普拉蒂克·萨克塞纳（Prateek Saxena）。2021.深度神经网络的可扩展定量验证。在ICSE 2021中。IEEE，马德里，西班牙，312--323。“}，{“key”：“e_1_3_2_1_6_1”，“volume-title”：“神经网络及其安全应用的定量验证。在CCS 2019中”，“author”：“Baluta Teodora”，年：“2019”，“unstructured”：“Teodoa Baluta，Shiqi Shen，Shweta Shinde，Kuldeep S。Meel和Prateek Saxena。2019 . 神经网络的定量验证及其安全应用。2019年11月11日至15日，在CCS 2019中，Lorenzo Cavallaro、Johannes Kinder、XiaoFeng Wang和Jonathan Katz（编辑）。ACM，英国伦敦，1249-1264。特奥多拉·巴卢塔（Teodora Baluta）、沈世琪（Shiqi Shen）、施维塔·辛德（Shweta Shinde）、库尔迪普·S·梅尔（Kuldeep S.Meel）和普拉蒂克·萨克塞纳（Pratek Saxena）。2019.神经网络及其安全应用的定量验证。在2019年11月11日至15日的CCS 2019中，洛伦佐·卡瓦拉罗、约翰内斯·金德、王晓峰和乔纳森·卡茨（编辑）。ACM，伦敦，英国，1249--1264.“}，{”key“：”e_1_3_2_1_7_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1609\/aaaai.v33i01.33013240”}，“key”：“e_1_3_2_1_8_1”，“article-title”：“分段线性神经网络验证的分支与界限”，“volume”：”21“，”author“：”Bunel Rudy“，”year“：”2020“，”unstructured“：”Rudy Bunel，Jingyue Lu，Ilker Turkaslan，Philip H。S.Torr、Pushmeet Kohli和M.Pawan Kumar。2020 . 分段线性神经网络验证的分支与界。J.马赫。学习。第21号决议（2020年），42:1--42:39。鲁迪·巴内尔（Rudy Bunel）、卢靖岳（Jingyue Lu）、伊尔克·图尔卡斯兰（Ilker Turkaslan）、菲利普·托尔（Philip H.S.Torr）、普希米特·科利（Pushmet Kohli）和巴万·库马尔。2020年，分段线性神经网络验证的分支和界限。J.马赫。学习。第21号决议（2020年），42:1--42:39。”，“新闻标题”：“J.Mach。学习。Res.“}，{”key“：”e_1_3_2_1_9_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/TAC.2006.875041”}，“key”：“e_1_ 3_2_1_10_1”，“doi-assert-by”：“publisher”，”doi“：”10.1016\/j.arcontrol.2009.07.001“}”，{AI 2019”，“作者”：“Cardelli Luca”，“年份”：“2019年”，“非结构化”：“卢卡·卡德利（Luca Cardelli）、玛塔·奎亚特科夫斯卡（Marta Kwiatkowska）、卢卡·劳伦蒂（Luca Laurenti）、尼古拉·保莱蒂（Nicola Paoletti）、安德烈亚·帕塔尼（Andrea Patane）和马修·威克（Matthew Wicker）。2019 . 贝叶斯神经网络鲁棒性的统计保证。2019年8月10日至16日，IJCAI 2019，Sarit Kraus（编辑）。ijcai.org，中国澳门，5693-5700。卢卡·卡德利（Luca Cardelli）、玛塔·奎亚特科夫斯卡（Marta Kwiatkowska）、卢卡·劳伦蒂（Luca Laurenti）、尼古拉·保莱蒂（Nicola Paoletti）、安德烈亚·帕塔尼（Andrea Patane）和马修·威克（Matthew Wicker）。2019.贝叶斯神经网络鲁棒性的统计保证。2019年8月10日至16日，IJCAI 2019，Sarit Kraus（编辑）。ijcai.org，中国澳门，5693--5700。“}，{”key“：”e_1_3_2_12_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1609\/aaai.v33i01.33017759“}”，{“key”：“e_1_ 3_2_13_1”，“doi-assert-by”：“publisher”，”doi:“10.1109\/SP.2017.49”}，“key“”：“e_1_3_2_14_1”、“首页”：“1”，“article”title“：”CVXPY:一种嵌入Python的凸优化建模语言“，”卷：“17”，“作者”：“戴蒙德·史蒂文”，“年份”：“2016年”，“非结构化”：“史蒂文·戴蒙德和斯蒂芬·博伊德。2016 . CVXPY：一种嵌入Python的凸优化建模语言。《机器学习研究杂志》17，83（2016），1-5。史蒂文·戴蒙德和斯蒂芬·博伊德。2016。CVXPY：一种用于凸优化的Python嵌入式建模语言。机器学习研究杂志17，83（2016），1-5.“，”Journal-title“：”Journal of Machine Learning Research“}，{“key”：“e_1_3_2_15_1”，“volume-title”：“Deep Feedforward Neural Networks的输出范围分析。In NFM 2018（《计算机科学讲义》，“volution”：”138“，“author”：“Dutta Souradeep”，”year“2018”，“unstructured”：“Souradeep Dutta、Susmit Jha、Sriram Sankaranarayanan和Ashish Tiwari。2018 . 深度前馈神经网络的输出范围分析。在NFM 2018（计算机科学讲义，第10811卷）中，Aaron Dutle、C\u00e9sar A.Mu\u00f1oz和Anthony Narkawicz（编辑）。斯普林格，纽波特新闻，弗吉尼亚州，美国，121-138。Souradeep Dutta、Susmit Jha、Sriram Sankaranarayanan和Ashish Tiwari，2018年。深度前馈神经网络的输出范围分析。在NFM 2018（计算机科学讲义，第10811卷）中，Aaron Dutle、C\u00e9sar A.Mu\u00f1oz和Anthony Narkawicz（编辑）。Springer，Newport News，VA，USA，121-138。“}，{”key“：”e_1_3_2_16_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/978-3-319-68167-2_19”}，“key”：“e_1_ 3_2_1_17_1”，“volume-title”：“基于抽象的神经网络验证框架。在CAV 2020（计算机科学讲稿）中，“卷”：“65”，“作者”：“Elboher Yizak Yisrael”，“年份”：“2020年”，“非结构化”：“Yizhak Yisrael Elboher、Justin Gottschlich和Guy Katz。2020 . 基于抽象的神经网络验证框架。在CAV 2020（计算机科学讲义，第12224卷）中，Shuvendu K.Lahiri和Chao Wang（编辑）。斯普林格，美国加利福尼亚州洛杉矶，43-65。伊扎克·伊斯雷尔·埃尔玻尔（Yizhak Yisrael Elboher）、贾斯汀·戈茨奇利奇（Justin Gottschlich）和盖伊·卡茨（Guy Katz）。2020年。基于抽象的神经网络验证框架。在CAV 2020（计算机科学讲义，第12224卷）中，Shuvendu K.Lahiri和Chao Wang（编辑）。美国加利福尼亚州洛杉矶市斯普林格，43-65。“}，{“key”：“e_1_3_2_18_1”，“unstructured”：“Logan Engstrom Andrew Ilyas Hadi Salman Shibani Santurkar和Dimitris Tsipras，2019。健壮性（Python库）。https:\/\/github.com/MadryLab\/robustive洛根·恩格斯特罗姆·安德鲁·伊利亚斯·哈迪·萨勒曼·什巴尼·桑图卡尔和迪米特里斯·齐普拉斯。2019.健壮性（Python库）。https:\/\/github.com/MadryLab\/robustive“}，{“key”：“e_1_3_2_19_1”，“volume-title”：“通过识别跟腱来增强DNN的鲁棒性验证。CoRR abs\/1811.07108”，“author”：“Feng Chengdong”，“year”：“2018”，“unstructured”：“Chengdon Feng，Zhenbang Chen，Weijiang Hong，Hengbiao Yu，Wei Dong，and Ji Wang.2018”。通过识别跟腱加强DNN的稳健性验证。CoRR abs \/1811.07108（2018）。arXiv:1811.07108冯成东、陈振邦、洪伟江、余恒彪、魏东和王吉。2018年。通过识别阿基里斯后跟，加强DNN的稳健性验证。CoRR abs \/1811.07108（2018）。arXiv:1811.07108“}，{“key”：“e_1_3_2_1_20_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1145\/339536397357“}”，{”key“：”e_1_a_2_1_21_1“，”doi-assert-by“：”publisher“，”doi:“10.1109\/SP.2018.00058”}，“key“:”e_3_2_2_22_1“”，”volume-title“：”使用形式验证简化神经网络。美国NFM 2020，2020年5月11日至15日，会议记录（《计算机科学讲义》，“卷”：“93”，“作者”：“Gokulanathan Sumathi”，“年份”：“2020”，“非结构化”：“Sumathi-Gokulanathan，Alexander Feldsher，Adi Malca，Clark W。Barrett和Guy Katz。2020 . 使用形式验证简化神经网络。2020年5月11日至15日，美国NFM 2020，《会议录》（计算机科学讲稿，第12229卷），里奇·李、苏斯米特·贾和阿纳斯塔西娅·马夫里杜（编辑）。斯普林格，加利福尼亚州莫菲特菲尔德，85-93。苏马提·戈库拉纳坦（Sumathi Gokulanathan）、亚历山大·费尔德瑟（Alexander Feldsher）、阿迪·马尔卡（Adi Malca）、克拉克·巴雷特（Clark W.Barrett）和盖·卡茨（Guy Katz）。2020.使用形式验证简化神经网络。2020年5月11日至15日，美国NFM 2020，《会议录》（计算机科学讲稿，第12229卷），里奇·李、苏斯米特·贾和阿纳斯塔西娅·马夫里杜（编辑）。Springer，Moffett Field，CA，85-93。“}，{“key”：“e_1_3_2_1_23_1”，“volume-title”：“解释和利用对抗性示例。在ICLR中，“author”：“Goodfellow Ian J.”，《年份》：“2015年”，“非结构化”：“Ian J。古德费罗（Goodfellow）、乔纳森·希伦（Jonathon Shlens）和克里斯蒂安·塞格迪（Christian Szegedy）。2015 . 解释和利用对手的例子。在ICLR 2015中，Yoshua Bengio和Yann LeCun（编辑）。美国加利福尼亚州圣地亚哥Ian J.Goodfellow、Jonathon Shlens和Christian Szegedy。2015.解释和利用对手示例。在ICLR 2015中，Yoshua Bengio和Yann LeCun（编辑）。美国加利福尼亚州圣地亚哥“}，{”key“：”e_1_3_2_1_24_1“，”volume-title“：”Barrett“，”author“：”Gopinath Divya“，“年份”：“2018年”，“非结构化”：“Divya-Gopinath，Guy Katz，Corina S。Pasareanu和Clark W。巴雷特。2018 . DeepSafe：评估神经网络鲁棒性的数据驱动方法。2018年10月7日至10日，ATVA 2018，论文集（计算机科学讲义，第11138卷），Shuvendu K.Lahiri和Chao Wang（编辑）。斯普林格，美国加利福尼亚州洛杉矶，3-19。Divya Gopinath、Guy Katz、Corina S.Pasareanu和Clark W.Barrett。2018年，DeepSafe：评估神经网络稳健性的数据驱动方法。2018年10月7日至10日，ATVA 2018，论文集（计算机科学讲义，第11138卷），Shuvendu K.Lahiri和Chao Wang（编辑）。Springer，Los Angeles，CA，USA，3-19.“}，{“key”：“e_1_3_2_1_25_1”，“unstructured”：“LLC Gurobi Optimization.2021。古罗比优化器参考手册。http://www.gurobi.com LLC gurobi Optimization公司。2021.古罗比优化器参考手册。http:\/\/www.gurobi.com“}，{“key”：“e_1_3_2_1_26_1”，“volume-title”：“图像识别的深度剩余学习。在CVPR中”，“author”：“何开明”，“year”：“2016”，“unstructured”：“何开明，张向玉，任绍清，孙健。2016.图像识别的深层剩余学习。2016年CVPR。IEEE计算机学会，美国内华达州拉斯维加斯，770-778。何开明、张翔宇、任少清和孙健。2016.图像识别的深度剩余学习。2016年CVPR。IEEE Computer Society，Las Vegas，NV，USA，770--778.“}，{“key”：“e_1_3_2_1_27_1”，“unstructured”：“Jeremy Howard.2019。Imagenette数据集。https:\/\/github.com//fastai\/imagenette杰里米·霍华德。2019.Imagenette数据集。https:\/\/github.com/fastai\/imagenette“}，{“key”：“e_1_3_2_1_28_1”，“volume-title”：“\u03b5-Deep Neural Networks.CoRR abs\/2110.15764”，“author”：“黄培”，“year”：“2021”，“unstructured”：“Pei Huang，Yuting Yang，Minghao Liu，Fuqi Jia，Feifei Ma，and Jian Zhang.2021。\u03b5-削弱了深度神经网络的鲁棒性。CoRR abs（2021年）。arXiv:2110.15764裴黄、杨玉婷、刘明浩、贾福琪、马飞飞和张健。2021.\u03b5-削弱了深度神经网络的鲁棒性。CoRR绝对值/210.15764（2021）。arXiv:2110.15764“}，{“key”：“e_1_3_2_1_29_1”，“volume-title”：“CAV”，“author”：“Huang Xivi”，“year”：“2017”，“unstructured”：“Xiaowei Huang，Marta Kwiatkowska，Sen Wang，Min Wu.2017”。深度神经网络的安全性验证。2017年CAV。施普林格，海德堡，德国，3-29。黄晓伟、玛塔·奎亚特科夫斯卡、王森和吴敏。2017.深度神经网络的安全验证。2017年CAV。施普林格，海德堡，德国，3--29.“}，{”key“：”e_1_3_2_1_30_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3460319.3464825”}，“key”：“e_1_3_2_1_31_1”，“volume-title”：“Kochenderfer”，“author”：“Julian Kyle D.”，“year”：“2019”，“unstructured”：“Kyle D。朱利安（Julian）、希瓦姆·夏尔马（Shivam Sharma）、珍妮·巴普蒂斯特·詹宁（Jean-Baptiste Jeannin）和麦克尔·J。科钦德费尔。2019 . 通过安全区域的线性逼近验证飞机防撞神经网络。CoRR abs \/1903.00762（2019）。arXiv:1903.00762 http://\/arXiv.org\/abs\/1903.00762Kyle D.Julian、Shivam Sharma、Jean-Baptiste Jeannin和Mykel J.Kochenderfer。2019.通过安全区域的线性近似验证飞机防撞神经网络。CoRR abs \/1903.00762（2019）。arXiv:1903.00762 http://\/arXiv.org\/abs\/1903.00761“}，{“key”：“e_1_3_2_1_32_1”，“volume-title”：“Kochenderfer”，“author”：“Katz Guy”，“year”：“2017”，“unstructured”：“Guy Katz，Clark W.Barrett，David L.Dill，Kyle Julian，and Mykel J.Kochenderffer.2017。Reluplex：验证深层神经网络的高效SMT解算器。CAV 2017。施普林格，德国海德堡，97-117。盖伊·卡茨（Guy Katz）、克拉克·巴雷特（Clark W.Barrett）、大卫·迪尔（David L.Dill）、凯尔·朱利安（Kyle Julian）和米克尔·J·科钦德费尔（Mykel J.Kochenderfer）。2017年，Reluplex：验证深层神经网络的高效SMT解算器。2017年CAV。施普林格，海德堡，德国，97-117。“}，{“key”：“e_1_3_2_1_33_1”，“volume-title”：“深度神经网络验证和分析的Marabou框架。在CAV 2019（计算机科学讲稿）中，“volution”：《452》，“author”：“Katz Guy”，“unstructured”：“Guy Katz，Derek A。黄、杜利古尔·伊贝林、凯尔·朱利安、克里斯托弗·拉扎勒斯、雷切尔·林、帕思·沙阿、桑塔努·塔科尔、吴浩泽、阿列克桑达尔·泽利奇、大卫·迪尔、米克尔·J·科钦德费尔和克拉克·W·巴雷特。2019 . 深度神经网络验证和分析的Marabou框架。在CAV 2019（计算机科学讲义，第11561卷）中，Isil Dillig和Serdar Tasiran（编辑）。美国纽约州纽约市斯普林格，443-452。盖伊·卡茨、德里克·黄、杜利古尔·伊贝林、凯尔·朱利安、克里斯托弗·拉扎勒斯、雷切尔·林、帕特·沙阿、桑塔努·塔科尔、吴浩泽、阿列克桑达尔·泽利奇、大卫·迪尔、米克尔·J·科钦德费尔和克拉克·巴雷特。2019.深度神经网络验证和分析的马拉布框架。在CAV 2019（计算机科学讲义，第11561卷）中，Isil Dillig和Serdar Tasiran（编辑）。美国纽约州纽约市斯普林格，443--452。“}，{”key“：”e_1_3_2_1_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICSE.2019.00108”}，“key”：“e_1_s2_3_1_35_1”，“unstructured”：“Alex Krizhevsky等人，2009。从微小图像中学习多层特征。(2009). Alex Krizhevsky等人，2009年。从微小图像中学习多层特征。(2009).“}，{”key“：”e_1_3_2_1_36_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109 \/5.726791”}，“key”：“e_1_ 3_2_1_1_37_1”，“volume-title”：“用符号传播分析深层神经网络：走向更高的精度和更快的验证。在SAS 2019（计算机科学讲义）中，“volution”：李建林、刘江超、杨鹏飞、陈丽倩、黄晓伟和张丽君。2019 . 用符号传播分析深层神经网络：朝着更高精度和更快验证的方向发展。在SAS 2019（计算机科学讲义，第11822卷）中，Bor-Yuh Evan Chang（编辑）。施普林格，葡萄牙波尔图，296-319。李建林、刘江超、杨鹏飞、陈丽倩、黄晓伟和张丽君。2019.用符号传播分析深度神经网络：迈向更高精度和更快的验证。在SAS 2019（计算机科学讲义，第11822卷）中，Bor-Yuh Evan Chang（编辑）。葡萄牙波尔图施普林格，296--319.“}，{”key“：”e_1_3_2_1_38_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3368089.3417918”}，“key”：“e_1_m2_1_39_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/CVPR.2019.01168“}”，{I“：”10.1145\/3238147.3238202“}，{”key“：”e_1_3_2_1_41_1“，”doi-asserted-by“：”publisher“，”DOI“：”10.1109 \/ISSRE.2018.0021“}，{“key”：“e_1_3_2_1_42_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1145 \/3236024.3236082”}，“key“：”e_1_a_2_1_43_1“，“volume-title”：“ICLR”，《作者》：“Madry Aleksander”，“年份”：“2018”，“非结构化”：“Aleksander Madry、Aleksandar Makelov、Ludwig Schmidt、Dimitris Tsipras和Adrian Vladu。2018 . 面向抵抗对抗性攻击的深度学习模式。2018年ICLR。OpenReview.net，加拿大不列颠哥伦比亚省温哥华市。Aleksander Madry、Aleksandar Makelov、Ludwig Schmidt、Dimitris Tsipras和Adrian Vladu。2018年，建立抗对抗性攻击的深度学习模式。2018年ICLR。OpenReview.net，加拿大不列颠哥伦比亚省温哥华市。“}，{”key“：”e_1_3_2_1_44_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ICSE-NIER.2019.00032”}，“key”：“e_1_a_2_1_45_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICSE-NIER.2019.00032“}ller Christoph”，“年份”：“2020年”，“非结构化”：“Christoph M\u00fcller、Gagandeep Singh、Markus P\u00ffschel和Martin T。维切夫。2020 . 基于GPU的神经网络鲁棒性验证。CoRR abs 2007.10868（2020）。arXiv:2007.10868 https:\/\/arXiv.org\/abs\/2007.10868 Christoph M\u00fcller、Gagandeep Singh、Markus P\u00fcschel和Martin T.Vechev。2020年。GPU上的神经网络鲁棒性验证。CoRR abs 2007.10868（2020）。arXiv:2007.10868 https:\/\/arXiv.org\/abs\/2007.10868“}，{“key”：“e_1_3_2_1_47_1”，“volume-title”：“Leonid Ryzhyk、Mooly Sagiv和Toby Walsh”，“author”：“Narodytska Nina”，“year”：“2018”，“unstructured”：“尼娜·纳罗季斯卡（Nina Narodytska）、希瓦·普拉萨德·卡西维瓦纳坦（Shiva Prasad Kasiviswanathan）、列奥尼德·里日克（Leonid Ryzhyk）、穆利·萨吉夫（Mooly Sagiv）和托比·沃尔什（Toby Walsh）。2018 . 验证二值化深度神经网络的特性。在2018年AAAI上，Sheila A.McIlraith和Kilian Q.Weinberger（编辑）。AAAI出版社，美国路易斯安那州新奥尔良，6615-6624。尼娜·纳罗季斯卡（Nina Narodytska）、希瓦·普拉萨德·卡西维瓦纳坦（Shiva Prasad Kasiviswanathan）、列奥尼德·里日克（Leonid Ryzhyk）、穆利·萨吉夫（Mooly Sagiv）和托比·沃尔什（Toby Walsh）。2018.验证二值化深度神经网络的属性。在2018年AAAI上，Sheila A.McIlraith和Kilian Q.Weinberger（编辑）。美国路易斯安那州新奥尔良AAAI出版社，6615--6624.“}，{“key”：“e_1_3_2_1_48_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/EuroSP.2016.36“}”，{键“：”e_1_ 3_2_1 _49_1“，”doi-assert-by“：”publisher“，“doi”：“10.1145\/3377811.3380337”}，“key“：”e_1_3_2_1_50_1“”，“volume-title”：“ASE 2020”，“author“：”Paulsen Brandon“，”year“：”2020“，”unstructured“：”布兰登·保尔森（Brandon Paulsen）、王晶波（Jingbo Wang）、王佳伟（Jiawei Wang，音译）和王超（Chao Wang）。2020 . NEUROD-IFF：使用细粒度近似对神经网络进行可缩放的微分验证。2020年9月21日至25日，ASE 2020。IEEE，澳大利亚墨尔本，784-796。布兰登·保尔森（Brandon Paulsen）、王晶波（Jingbo Wang）、王佳伟（Jiawei Wang，音译）和王超（Chao Wang）。2020.NEUROD-IFF：使用细粒度近似对神经网络进行可扩展差分验证。2020年9月21日至25日，ASE 2020。IEEE，澳大利亚墨尔本，784--796。“}，{”key“：”e_1_3_2_1_51_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3132747.3132785”}，“key”：“e_1_ 3_2_1_ 52_1”，“volume-title”：“野外工作间的可靠机器学习，第34届国际机器学习会议”，“author”：“Rauber Jonas”，“year”：“2017”，“unstructured”：“Jonas Rauber、Wieland Brendel和Matthias Bethge。2017 . Foolbox：一个Python工具箱，用于对机器学习模型的健壮性进行基准测试。在第34届机器学习国际会议上，《可靠的机器学习在野外工作坊》。Jonas Rauber、Wieland Brendel和Matthias Bethge。2017.Foolbox：一个Python工具箱，用于对机器学习模型的健壮性进行基准测试。在第34届机器学习国际会议《可靠的机器学习在野外工作坊》中。“}，{”key“：”e_1_3_2_1_53_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/2939672.2939778”}，“{”key“：“e_1_ 3_2_1 _54_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145 \/3368089.3409730作者“：”阮文杰“，”年份“：”2018“，”非结构化”：“阮文杰（Wenjie Ruan）、黄晓伟（Xiaowei Huang）和玛塔·奎亚特科夫斯卡（Marta Kwiatkowska）。2018 . 具有可证明保证的深度神经网络可达性分析。2018年IJCAI。ijcai.org，瑞典斯德哥尔摩，2651-2659。阮文杰（Wenjie Ruan）、黄晓伟（Xiaowei Huang）和玛塔·奎亚特斯卡（Marta Kwiatkowska）。2018.具有可证明保证的深度神经网络可达性分析。2018年IJCAI。ijcai.org，瑞典斯德哥尔摩，2651-2659。“}，{“key”：“e_1_3_2_1_56_1”，“volume-title”：“汉明距离有可证明保证的深度神经网络的全局鲁棒性评估。在ijcai中，“author”：“阮文杰”，“year”：“2019”，“unstructured”：“阮文杰（Wenjie Ruan）、吴敏（Min Wu）、孙友成（Youcheng Sun）、黄晓伟（Xiaowei Huang）、丹尼尔·克罗宁（Daniel Kroening）和玛塔·奎亚特斯卡（Marta Kwiatkowska）。2019 . 具有可证明汉明距离保证的深度神经网络的全局鲁棒性评估。2019年IJCAI，Sarit Kraus（编辑）。ijcai.org，中国澳门，5944-5952。阮文杰（Wenjie Ruan）、吴敏（Min Wu）、孙友成（Youcheng Sun）、黄晓伟（Xiaowei Huang）、丹尼尔·克罗宁（Daniel Kroening）和玛塔·奎亚特斯卡（Marta Kwiatkowska）。2019.深度神经网络的全局鲁棒性评估，具有汉明距离的可证明保证。2019年IJCAI，Sarit Kraus（编辑）。ijcai.org，中国澳门，5944-5952。“}，{”key“：”e_1_3_2_1_57_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/s11263-015-0816-y”}，“key”：“e_1_3_2_1_58_1”，“volume-title”：“利用深度学习的潜力改进蛋白质结构预测。Nat.577，7792”，“author”：“Senior Andrew W.”，“year”：“2020”，“unstructured”：“Andrew W。”。高级主管理查德·埃文斯、约翰·朱珀、詹姆斯·柯克帕特里克、洛朗特·西弗雷、蒂姆·格林、秦崇礼、奥古斯丁·Z\u00eddek、亚历山大·W·R·纳尔逊、亚历克斯·布里奇兰、雨果·佩内德斯、斯蒂格·彼得森、凯伦·西蒙扬、史蒂夫·克罗桑、普希梅特·科利、大卫·琼斯、大卫·阿尔弗、科雷·卡武科格格鲁和黛米斯·哈萨比斯。2020年。利用深度学习的潜力改进蛋白质结构预测。Nat.577792（2020），706--710。老安德鲁·W.、理查德·埃文斯、约翰·朱珀、詹姆斯·柯克帕特里克、劳伦特·西弗雷、蒂姆·格林、秦崇礼、奥古斯丁·Z\u00eddek、亚历山大·尼尔森、亚历克斯·布里奇兰、雨果·佩内德斯、斯蒂格·彼得森、凯伦·西蒙扬、史蒂夫·克罗桑、普希梅特·科利、戴维·琼斯、大卫·希尔弗、科雷·卡武科格鲁和黛米斯·哈萨比斯。2020年。利用深度学习潜力改进蛋白质结构预测。Nat.577，7792（2020），706--710.“}，{”key“：”e_1_3_2_1_59_1“，”volume-title“：”Vechev“，”author“：”Singh Gagandeep“，“year”：“2018”，“unstructured”：“Gagandeop Singh，Timon Gehr，Matthew Mirman，Markus P\u00fcschel，and Martin T.Vechev。2018。快速有效的健壮性认证。在NeurIPS 2018中。加拿大蒙特勒，10825-10836。Gagandeep Singh、Timon Gehr、Matthew Mirman、Markus P\u00fcschel和Martin T.Vechev。2018.快速有效的稳健性认证。2018年NeurIPS。Montr\u00e9al，Canada，10825-10836.”}，｛“key”：“e_1_3_2_1_60_1”，“volume title”：“Vechev”，“author”：“Singh Gagandeep”，“year”：“2019”，“nonstructured”：“Gagandeep Singh，Timon Gehr，Markus P\u00fcschel，and Martin T.Vechev.2019.一个用于认证神经网络的抽象域。PACMPL 3，POPL（2019），41:1-41:30。Gagandeep Singh、Timon Gehr、Markus P\u00fcschel和Martin T.Vechev。2019.神经网络认证的抽象领域。PACMPL 3，POPL（2019），41:1--41:30。“}，{“key”：“e_1_3_2_1_61_1”，“volume-title”：“计算机科学系”，“author”：“实验室ETH”，“年份”：“2020”，“非结构化”：“ETH苏黎世SRI实验室，计算机科学系。2020。ETH神经网络鲁棒性分析仪（ERAN） . https:\/\/github.com//eth-sri\/eran eth苏黎世sri实验室，计算机科学部。2020年，ETH神经网络鲁棒性分析仪（ERAN）。https:\/\/github.com/eth-sri\/eran“}，{“key”：“e_1_3_2_1_62_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/ICSE-Companion.2019.00134“}”，{”key“：”e_1_ 3_2_1_ 63_1“，”doi-assert-by“：”publisher“，ICLR”，“作者”：“塞格迪·克里斯蒂安”，“年份”：“2014年”，“非结构化”：“Christian Szegedy、Wojciech Zaremba、Ilya Sutskever、Joan Bruna、Dumitru Erhan、Ian Goodfellow和Rob Fergus。2014 . 神经网络的有趣特性。ICLR 2014。加拿大阿联酋班夫。Christian Szegedy、Wojciech Zaremba、Ilya Sutskever、Joan Bruna、Dumitru Erhan、Ian Goodfellow和Rob Fergus。2014.神经网络的有趣特性。ICLR 2014。加拿大AB州班夫。“}，{”key“：”e_1_3_2_1_65_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145 \/3185.3180220”}，“key”：“e_1_ 3_2_1 _66_1”，“volume-title”：“使用ImageStars验证深度卷积神经网络。在CAV 2020（计算机科学讲义）中，”volume“：“42”，”author“：”Tran Hoang-Dung“，”unstructured“：”Hoang-Dung Tran、Stanley Bak、Weiming Xiang和Taylor T.Johnson。2020 . 使用ImageStars验证深度卷积神经网络。在CAV 2020（计算机科学讲义，第12224卷）中，Shuvendu K.Lahiri和Chao Wang（编辑）。施普林格，洛杉矶，加利福尼亚州，美国，18-42。Hoang-Dung Tran、Stanley Bak、Weiming Xiang和Taylor T.Johnson。2020年，使用ImageStars验证深度卷积神经网络。在CAV 2020（计算机科学讲义，第12224卷）中，Shuvendu K.Lahiri和Chao Wang（编辑）。Springer，Los Angeles，CA，USA，18-42。“}，{“key”：“e_1_3_2_1_67_1”，“volume-title”：“基于星的深度神经网络可达性分析。FM 2019（计算机科学讲义），“卷”：“686”，“作者”：“Tran Hoang-Dung”，“非结构化”：“Hoang-Dung Tran、Diego Manzanas Lopez、Patrick Musau、Xiaodong Yang、Luan Viet Nguyen、Weiming Xiang和Taylor T.Johnson。2019 . 基于星形的深度神经网络可达性分析。在FM 2019（计算机科学讲义，第11800卷）中，莫里斯·特尔·比克（Maurice H.ter Beek）、安娜贝拉·麦克维尔（Annabelle McIver）和乔斯·奥利维拉（Jos\u00e9 N.Oliveira）（编辑）。葡萄牙波尔图施普林格，670-686。Hoang-Dung Tran、Diego Manzanas Lopez、Patrick Musau、Xiaodong Yang、Luan Viet Nguyen、Weiming Xiang和Taylor T.Johnson。2019.基于星的深度神经网络可达性分析。在FM 2019（计算机科学讲义，第11800卷）中，莫里斯·特尔·比克（Maurice H.ter Beek）、安娜贝拉·麦克维尔（Annabelle McIver）和乔斯·奥利维拉（Jos\u00e9 N.Oliveira）（编辑）。葡萄牙波尔图施普林格，670--686。“}，{“key”：“e_1_3_2_1_68_1”，“volume-title”：“NNV：深层神经网络和学习型网络物理系统的神经网络验证工具。在CAV 2020，2020年7月21日至24日，论文集，第一部分（计算机科学讲义），“卷”：“17”，“作者”：“Tran Hoang-Dung”，“非结构化”：“Hoang-Dung Tran、Xiaodong Yang、Diego Manzanas Lopez、Patrick Musau、Luan Viet Nguyen、Weiming Xiang、Stanley Bak和Taylor T.Johnson。2020 . NNV：深度神经网络和学习网络物理系统的神经网络验证工具。在CAV 2020，2020年7月21日至24日，论文集，第一部分（计算机科学讲义，第12224卷），Shuvendu K.Lahiri和Chao Wang（编辑）。施普林格，美国加利福尼亚州洛杉矶，3-17。Hoang-Dung Tran、Xiaodong Yang、Diego Manzanas Lopez、Patrick Musau、Luan Viet Nguyen、Weiming Xiang、Stanley Bak和Taylor T.Johnson。2020年，NNV：深度神经网络和学习型网络物理系统的神经网络验证工具。在CAV 2020，2020年7月21日至24日，论文集，第一部分（计算机科学讲义，第12224卷），Shuvendu K.Lahiri和Chao Wang（编辑）。Springer，Los Angeles，CA，USA，3-17.“}，{”key“：”e_1_3_2_1_69_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/MIS.2008.34”}，“key”：“e_1_a_2_1_70_1”，“doi-assert-by”：“publisher”，”doi“：”10.1109\/ICSE43902.2021.00038“}”，{I“：”10.1109\/ICSE.2019.00126“}，{“key”：“e_1_3_2_1_72_1”，“volume-title”：“通过突变测试检测深层神经网络的对手样本。CoRR abs \/1805.05010“，“作者”：“王静怡”，“年份”：“2018”，“非结构化”：“汪静怡，孙军，张培新，王新余。2018年，通过突变测试检测深层神经网络的对手样本。CoRR abs \/1805.05010（2018）。arXiv:1805.05010 http:\/\/arXiv.org\/abs\/1805.05010Jingyi Wang、Jun Sun、Peixin Zhang和Xinyu Wang。2018年，通过突变测试检测深层神经网络的对手样本。CoRR abs \/1805.05010（2018）。arXiv:1805.05010 http://\/arXiv.org\/abs\/1805.050110“}，{“key”：“e_1_3_2_1_73_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1109\/ICSE43902.2021.00046“}”，{”key“：”e_1_ 3_2_1 _74_1“，”volume-title“：”ICLR“，“author”：“Webb Stefan”，“year”：“2019”，“unstructured”：“Stefan Webb，Tom Rainforth，Yee Whye Teh和M.Pawan Kumar，2019年。评估神经网络鲁棒性的统计方法。2019年ICLR。OpenReview.net，美国洛杉矶新奥尔良。Stefan Webb、Tom Rainforth、Yee Whye Teh和M.Pawan Kumar。2019.评估神经网络稳健性的统计方法。2019年ICLR。OpenReview.net，新奥尔良，洛杉矶，美国“}，{“key”：“e_1_3_2_1_75_1”，“volume-title”：“ICML 2019”，“卷”：“6736”，“作者”：“翁莉莉”，“年份”：“2019年”，“非结构化”：“Lily Weng，Pin-Yu Chen，Lam M.Nguyen，Mark S.Squillante，Akhilan Boopathy，Ivan V。Oseledets和Luca Daniel。2019 . 已证明：用概率方法验证神经网络的鲁棒性。2019年6月9日至15日，ICML 2019（机器学习研究论文集，第97卷），Kamalika Chaudhuri和Ruslan Salakhutdinov（编辑）。PMLR，美国加利福尼亚州长滩，6727-6736。Lily Weng、Pin-Yu Chen、Lam M.Nguyen、Mark S.Squillante、Akhilan Boopathy、Ivan V.Oseledets和Luca Daniel。2019.证明：用概率方法验证神经网络的鲁棒性。2019年6月9日至15日，ICML 2019（机器学习研究论文集，第97卷），Kamalika Chaudhuri和Ruslan Salakhutdinov（编辑）。PMLR，美国加利福尼亚州长滩，6727--6736。“}，{“key”：“e_1_3_2_1_76_1”，“volume-title”：“ReLU网络认证鲁棒性的快速计算。在ICML 2018（机器学习研究论文集）中，“volutions”：“5282”，“author”：“Weng Tsui-Wei”，“unstructured”：“徐伟翁、张欢、陈红歌、赵松、谢卓奎、卢卡·丹尼尔、杜安·博宁和英迪吉特·迪伦。2018 . ReLU网络认证鲁棒性的快速计算。在ICML 2018（机器学习研究论文集，第80卷）中，Jennifer G.Dy和Andreas Krause（编辑）。PMLR，瑞典斯德哥尔摩，5273-5282。徐伟翁、张欢、陈红歌、赵松、谢卓奎、卢卡·丹尼尔、杜安·博宁和英迪吉特·迪伦。2018.ReLU网络认证鲁棒性的快速计算。在ICML 2018（机器学习研究论文集，第80卷）中，Jennifer G.Dy和Andreas Krause（编辑）。PMLR，瑞典斯德哥尔摩，5273--5282.“}，{“key”：“e_1_3_2_1_77_1”，“volume-title”：“Deep Neural Networks的特征引导黑盒安全测试。2018年TACAS（计算机科学讲义），“volum:”426“，“author”：“Wicker Matthew”，“year”：“2018”，“unstructured”：“Matthew Wicker、Xiaowei Huang和Marta Kwiatkowska。2018 . 深度神经网络的特征引导黑盒安全测试。在2018年TACAS（计算机科学讲义，第10805卷）中，Dirk Beyer和Marieke Huisman（编辑）。希腊塞萨洛尼基施普林格，408-426。马修·威克（Matthew Wicker）、黄晓伟（Xiaowei Huang）和玛塔·奎亚特斯卡（Marta Kwiatkowska）。2018.深度神经网络的特征引导黑盒安全测试。在2018年TACAS（计算机科学讲义，第10805卷）中，Dirk Beyer和Marieke Huisman（编辑）。希腊塞萨洛尼基施普林格，408--426。“}，{“key”：“e_1_3_2_1_78_1”，“volume-title”：“贝叶斯神经网络的概率安全性。在UAI 2020中”，“author”：“Wicker Matthew”，“year”：“2020”，“unstructured”：“马修·威克（Matthew Wicker）、卢卡·劳伦蒂（Luca Laurenti）、安德烈亚·帕塔尼（Andrea Patane）和玛塔·奎亚特斯卡（Marta Kwiatkowska）。2020 . 贝叶斯神经网络的概率安全性。在UAI 2020，2020年8月3日至6日（机器学习研究论文集，第124卷），Ryan P.Adams和Vibhav Gogate（编辑）。AUAI出版社，虚拟在线，1198-1207。马修·威克（Matthew Wicker）、卢卡·劳伦蒂（Luca Laurenti）、安德烈亚·帕塔尼（Andrea Patane）和玛塔·奎亚特斯卡（Marta Kwiatkowska）。2020年，贝叶斯神经网络的概率安全。在UAI 2020，2020年8月3日至6日（机器学习研究论文集，第124卷），Ryan P.Adams和Vibhav Gogate（编辑）。AUAI出版社，虚拟在线，1198-1207.“｝，｛“key”：“e_1_3_2_1_79_1”，“doi由”：“publisher”断言，“doi”：“10.1016\/j.tcs.2019.05.046”｝，｛“key”：“e_1_3_2_80_1”，“doi由”：“publisher”断言，“doi”：“10.1145\/32982.33330579”｝，｛“key”：“e_1_3_2_81_1”，“doi由”：“publisher”断言，“doi”：“10.1109\/TCAD.2020.3 012251“｝，｛”键“：”e_1_3_2_1_82_1“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/3468264.3468612“}，{“key”：“e_1_3_2_1_83_1”，“doi-assert-by”：“publisher”、“doi”：“10.1145\/3368089.3409671”}、{“key”：“e_1_3_2_1_84_1”、”doi-asserted-by“”：“publisher”、“doi”：”10.1007\/978-3-030-72016-2_2_1“}、“{”key“：”e_3_2_85_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/TIFS.2020.3021899”}，{“key”：“e_1_3_2_1_86_1“，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3238147.3238187”}]，“event”：{“name”：“ICSE’22:第44届国际软件工程会议”，“location”：“Pittsburgh Pennsylvania”，“缩写词”：“IC SE’22”，“赞助商”：[“SIGSOFT ACM软件工程特别兴趣小组”，“IEEE CS”]}，“container-title”：[”第44届国际软件工程会议论文集“]，“original-title”：[]，“link”：[{“URL”：“https:\/\/dl.acm.org\/doi\/pdf\/10.1145\/351003510143”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2023,8,11]]，“date-time”：”2023-08-11T15:59:41Z“，”timestamp“：1691769581000}，”score“：1，”resource“：{“primary”：{”URL“：”https:\/\/dl.acm.org\/doi\/10.1145\/3510003“}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{-“date-parts”：[[2022,5,21]]}，《references-count》：86，“alternative-id”：[“10.1145\/3510143”，“10.1145 \/35100003”]，“URL”：“http”：\/\/dx.doi.org\/10.1145\/3510003.3510143“，”关系“：{}，”subject“：[]，”published“：{”date-parts“：[[2022,5,21]]}，”assertion“：[{”value“：”2022-07-05“，”order“：2，”name“：”publisheed“，”label“：”published“，“group”：{“name”：“publication_history”，“label”：“publication history”}}]}