Attaques adversariales : un autoencodeur masqué pour mieux protéger les IA
Une attaque adversariale peut faire commettre une erreur à un modèle d’intelligence artificielle grâce à une modification parfois imperceptible pour l’humain. Une méthode fondée sur un autoencodeur masqué ambitionne de nettoyer ces entrées avant leur analyse. Son intérêt est réel, mais sa robustesse doit être mesurée avec rigueur avant tout déploiement sensible.























