Framework Compatibile con Ising per la Verifica della Robustezza delle Reti Neurali

I ricercatori hanno sviluppato un nuovo metodo per verificare quanto le reti neurali siano resilienti a piccole variazioni degli input, utilizzando i solver Ising. Questo metodo include due modelli principali. Il Modello PWL Logaritmico Esatto (Log-PWL) descrive efficacemente le attivazioni lineari a tratti con una codifica logaritmica, riducendo il numero di variabili binarie necessarie per neurone. Il secondo modello, il Modello a Inviluppo a Gradino Asintotico (Step-Env), utilizza inviluppi costanti a tratti per mettere in relazione gli stati dei neuroni con un input avversario comune. Il framework mostra che i limiti di output ottimizzati si avvicinano ai veri limiti della rete man mano che la larghezza dei segmenti diminuisce. Inoltre, viene introdotto un solver ibrido Benders per una migliore risoluzione dei conflitti. Questo studio, disponibile su arXiv (2603.00408), migliora i metodi di verifica per le reti neurali, soprattutto in scenari critici di intelligenza artificiale.