标签
PANDA 是一个可扩展的系统，使用零知识证明来验证神经网络的鲁棒性和公平性，无需揭示模型参数，从而能够对具有多项式复杂度的大型网络进行认证。
This paper introduces an inprocessing framework for neural network verification driven by lookahead lemmas, improving the performance of verifiers Marabou and α-β-CROWN by proving up to 34% more instances unsatisfiable.
This paper proposes efficient search methods to locate verdict boundaries in Branch and Bound (BaB) neural network verification, leveraging path monotonicity to skip irrelevant subproblems and improve verification efficiency.
Veriphi 是一个 GPU 加速的神经网络验证系统，结合了对抗攻击与形式化认证。它表明训练方法（标准、对抗、认证）的有效性高度依赖于数据集的复杂度：在简单的 MNIST 上，IBP 占主导，而在复杂的 CIFAR-10 上，PGD 占主导，并实现了 5 倍验证加速。
本文提出了一种新颖的Transformer验证方法，利用ReLU表示点积的精确但非线性的边界，从而实现精确且高效的验证。该方法在情感分析模型上优于现有最先进的基线方法。