← Adversarial Robustness

Papers with Code · CC BY-SA 4.0

CIFAR-10

원본 설명은 검수 중입니다.

아카이브 평가 5건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
Mixed classifier	Attack: AutoAttack 68.06 Accuracy 95.23 Robust Accuracy 68.06	Improving the Accuracy-Robustness Trade-Off of Classifiers via Adaptive Smoothing 2023-01-29	코드 1 · 코드 2
Stochastic-LWTA/PGD/WideResNet-34-10	Attack: AutoAttack 82.6 Accuracy 92.26 Robust Accuracy 84.3	Stochastic Local Winner-Takes-All Networks Enable Profound Adversarial Robustness 2021-12-05	코드 1
Stochastic-LWTA/PGD/WideResNet-34-5	Attack: AutoAttack 81.22 Accuracy 91.88 Robust Accuracy 83.4	Stochastic Local Winner-Takes-All Networks Enable Profound Adversarial Robustness 2021-12-05	코드 1
GLOT-DR	Attack: AutoAttack 49.94 Accuracy 84.13	Global-Local Regularization Via Distributional Robustness 2022-03-01	코드 1
TRADES-ANCRA/ResNet18	Attack: AutoAttack 59.70 Accuracy 81.70	Enhancing Robust Representation in Adversarial Training: Alignment and Exclusion Criteria 2023-10-05	코드 1