List your company

Adversarial Robustness on CIFAR-10 (test)

47.7Attack Success Rate (ASR)FGSM
45.60859.72973.8587.971Mar 1, 2021Dec 23, 2021Oct 17, 2022Aug 11, 2023Jun 3, 2024Mar 28, 2025Jan 20, 2026

Evaluation results

MethodLinks
FGSMModel=VGG-16, Norm=l2, epsilon=0.52026.0147.7—————————————————————170.113————————————————
FGSMModel=VGG-16, Norm=l_inf, epsilon=4/2552026.0151.3—————————————————————600.031————————————————
ConvNormBackbone=ResNet18, BN Layers=None, Attack=SimBA black box2021.0353.52,966.16——————————————————————————————————————
OCNNBackbone=ResNet18, BN Layers=None, Attack=SimBA black box2021.0354.52,892.81——————————————————————————————————————
FGSMModel=VGG-16, Norm=l2, epsilon=1.02026.0154.5—————————————————————100.194————————————————
ONIBackbone=ResNet18, BN Layers=None, Attack=SimBA black box2021.0355.92,817.09——————————————————————————————————————
FGSMModel=ResNet-32, Norm=l2, epsilon=0.52026.0156.4—————————————————————120.16————————————————
DNModel=VGG-16, k_adv=10, Norm=l_inf, epsilon=4/2552026.0158.5—————————————————————440.035————————————————
FGSMModel=VGG-16, Norm=l_inf, epsilon=8/2552026.0159.9—————————————————————280.064————————————————
SNBackbone=ResNet18, BN Layers=None, Attack=SimBA black box2021.0360.62,519.32——————————————————————————————————————
DNModel=VGG-16, k_adv=20, Norm=l_inf, epsilon=4/2552026.0162.1—————————————————————400.035————————————————
DNModel=VGG-16, k_adv=10, Norm=l2, epsilon=0.52026.0162.9—————————————————————120.142————————————————
FGSMModel=ResNet-32, Norm=l2, epsilon=1.02026.0163.4—————————————————————80.231————————————————
FGSMModel=ResNet-32, Norm=l_inf, epsilon=4/2552026.0165.6—————————————————————310.057————————————————
DNModel=VGG-16, k_adv=50, Norm=l_inf, epsilon=4/2552026.0169.1—————————————————————370.033————————————————
MI-FGSMModel=VGG-16, Norm=l2, epsilon=0.52026.0169.3—————————————————————120.126————————————————
DNModel=VGG-16, k_adv=20, Norm=l2, epsilon=0.52026.0170.8—————————————————————110.132————————————————
DNModel=VGG-16, k_adv=100, Norm=l_inf, epsilon=4/2552026.0172.6—————————————————————370.032————————————————
DNModel=VGG-16, k_adv=10, Norm=l_inf, epsilon=8/2552026.0172.8—————————————————————200.076————————————————
FGSMModel=ResNet-32, Norm=l_inf, epsilon=8/2552026.0173.7—————————————————————170.1————————————————
MI-FGSMModel=VGG-16, Norm=l_inf, epsilon=4/2552026.0173.9—————————————————————380.031————————————————
DNModel=VGG-16, k_adv=10, Norm=l2, epsilon=1.02026.0174.5—————————————————————60.289————————————————
DNModel=VGG-16, k_adv=20, Norm=l_inf, epsilon=8/2552026.0177.5—————————————————————180.077————————————————
PGNModel=VGG-16, Norm=l_inf, epsilon=4/2552026.0178.8—————————————————————390.029————————————————
PGD-5Model=VGG-16, Norm=l2, epsilon=0.52026.0180.9—————————————————————200.056————————————————
DNModel=ResNet-32, k_adv=10, Norm=l_inf, epsilon=4/2552026.0181—————————————————————230.067————————————————
DNModel=VGG-16, k_adv=50, Norm=l2, epsilon=0.52026.0181.7—————————————————————150.081————————————————
DNModel=VGG-16, k_adv=20, Norm=l2, epsilon=1.02026.0181.8—————————————————————70.279————————————————
DNModel=ResNet-32, k_adv=20, Norm=l_inf, epsilon=4/2552026.0186—————————————————————210.067————————————————
MI-FGSMModel=VGG-16, Norm=l2, epsilon=1.02026.0186—————————————————————80.225————————————————
DNModel=VGG-16, k_adv=50, Norm=l_inf, epsilon=8/2552026.0186.1—————————————————————190.064————————————————
DNModel=VGG-16, k_adv=100, Norm=l2, epsilon=0.52026.0186.6—————————————————————170.067————————————————
DNModel=ResNet-32, k_adv=10, Norm=l2, epsilon=0.52026.0187.4—————————————————————70.25————————————————
PGD-5Model=VGG-16, Norm=l_inf, epsilon=4/2552026.0187.6—————————————————————760.014————————————————
PGD-5Model=VGG-16, Norm=l2, epsilon=1.02026.0189.4—————————————————————180.074————————————————
DNModel=VGG-16, k_adv=100, Norm=l_inf, epsilon=8/2552026.0189.9—————————————————————200.057————————————————
MI-FGSMModel=VGG-16, Norm=l_inf, epsilon=8/2552026.0190.9—————————————————————210.057————————————————
DNModel=VGG-16, k_adv=50, Norm=l2, epsilon=1.02026.0192.1—————————————————————90.196————————————————
PGNModel=VGG-16, Norm=l2, epsilon=0.52026.0192.2—————————————————————200.054————————————————
DNModel=ResNet-32, k_adv=10, Norm=l_inf, epsilon=8/2552026.0193—————————————————————120.13————————————————
MI-FGSMModel=ResNet-32, Norm=l2, epsilon=0.52026.0194.3—————————————————————80.2————————————————
DNModel=ResNet-32, k_adv=20, Norm=l2, epsilon=0.52026.0194.7—————————————————————80.22————————————————
DNModel=ResNet-32, k_adv=50, Norm=l_inf, epsilon=4/2552026.0194.8—————————————————————210.061————————————————
DNModel=ResNet-32, k_adv=10, Norm=l2, epsilon=1.02026.0195—————————————————————40.43————————————————
PGD-5Model=ResNet-32, Norm=l2, epsilon=1.02026.0195—————————————————————150.111————————————————
PGD-5Model=VGG-16, Norm=l_inf, epsilon=8/2552026.0195.5—————————————————————520.021————————————————
PGNModel=VGG-16, Norm=l_inf, epsilon=8/2552026.0195.5—————————————————————230.05————————————————
DNModel=VGG-16, k_adv=100, Norm=l2, epsilon=1.02026.0196—————————————————————100.171————————————————
PGD-20Model=VGG-16, Norm=l2, epsilon=0.52026.0196.6—————————————————————230.041————————————————
DNModel=ResNet-32, k_adv=20, Norm=l_inf, epsilon=8/2552026.0197—————————————————————110.13————————————————
PGD-5Model=ResNet-32, Norm=l2, epsilon=0.52026.0197.4—————————————————————150.088————————————————
PGD-20Model=VGG-16, Norm=l_inf, epsilon=4/2552026.0197.4—————————————————————840.012————————————————
DNModel=ResNet-32, k_adv=100, Norm=l_inf, epsilon=4/2552026.0197.8—————————————————————220.056————————————————
MI-FGSMModel=ResNet-32, Norm=l_inf, epsilon=4/2552026.0198—————————————————————230.056————————————————
PGNModel=VGG-16, Norm=l2, epsilon=1.02026.0198.6—————————————————————100.147————————————————
DNModel=ResNet-32, k_adv=20, Norm=l2, epsilon=1.02026.0198.9—————————————————————50.4————————————————
PGNModel=ResNet-32, Norm=l_inf, epsilon=4/2552026.0199.1—————————————————————240.048————————————————
DNModel=ResNet-32, k_adv=50, Norm=l2, epsilon=0.52026.0199.2—————————————————————110.13————————————————
PGD-5Model=ResNet-32, Norm=l_inf, epsilon=4/2552026.0199.4—————————————————————520.022————————————————
PGD-5Model=ResNet-32, Norm=l_inf, epsilon=8/2552026.0199.5—————————————————————400.028————————————————
DNModel=ResNet-32, k_adv=50, Norm=l_inf, epsilon=8/2552026.0199.6—————————————————————130.11————————————————
PGNModel=ResNet-32, Norm=l2, epsilon=0.52026.0199.6—————————————————————150.086————————————————
DNModel=ResNet-32, k_adv=100, Norm=l2, epsilon=0.52026.0199.7—————————————————————220.11————————————————
MI-FGSMModel=ResNet-32, Norm=l_inf, epsilon=8/2552026.0199.7—————————————————————140.103————————————————
MI-FGSMModel=ResNet-32, Norm=l2, epsilon=1.02026.0199.7—————————————————————60.311————————————————
DNModel=ResNet-32, k_adv=50, Norm=l2, epsilon=1.02026.0199.9—————————————————————60.278————————————————
DNModel=ResNet-32, k_adv=100, Norm=l_inf, epsilon=8/2552026.0199.9—————————————————————130.097————————————————
DNModel=ResNet-32, k_adv=100, Norm=l2, epsilon=1.02026.0199.9—————————————————————70.252————————————————
PGD-20Model=ResNet-32, Norm=l_inf, epsilon=4/2552026.0199.9—————————————————————610.018————————————————
PGD-20Model=ResNet-32, Norm=l2, epsilon=0.52026.0199.9—————————————————————180.063————————————————
PGNModel=ResNet-32, Norm=l_inf, epsilon=8/2552026.0199.9—————————————————————170.079————————————————
PGD-20Model=VGG-16, Norm=l_inf, epsilon=8/2552026.0199.9—————————————————————560.018————————————————
PGD-20Model=VGG-16, Norm=l2, epsilon=1.02026.0199.9—————————————————————170.078————————————————
PGD-20Model=ResNet-32, Norm=l_inf, epsilon=8/2552026.01100—————————————————————440.032————————————————
PGD-20Model=ResNet-32, Norm=l2, epsilon=1.02026.01100—————————————————————140.108————————————————
PGNModel=ResNet-32, Norm=l2, epsilon=1.02026.01100—————————————————————80.214————————————————
3-ensemble of self-ensemblesAdv. train=true, Model=ResNet152, Samples (#)=1282024.08——————87———————78.1373.4472.65———————————————————————
A-InfoNCE2023.04———————————42.68—83.18——————————————————————————
A-InfoNCE-AIRRegularization=AIR2023.04———————————42.84—83.99——————————————————————————
ADBMNorm=L∞, Setting=Preprocessor-blind2025.05————————————————————————————90.3772.1990.0571.3289.8773.6489.0671.79————
AdjAttackPurification defense type=Score-based, Backbone=WideResNet-28-10, Attack constraint=l_inf (epsilon = 8/255)2023.10———70.64————————————————————————————————————
AdvCL2023.04———————————42.58—80.78——————————————————————————
AdvCL-AIRRegularization=AIR2023.04———————————43.24—81.53——————————————————————————
Adversarial PoisoningBackbone=VGG-162022.01——————73.2444.7————————————————————————————————
Adversarial PoisoningDefense Strategy=PGD-AT, Defense budget=8/2552022.01——————77.3549.9553.9349.7648.3546.13————————————————————————————
ATWRN=32-10, Aug=P&C, Epo=100†2022.09——————87.8————48.46————————————————————————————
ATArchitecture=WRN-34-10, Synthetic=None, Batch=128, Epoch=2002026.02——————84.33————55.25————————————————————————————
ATModel=Resnet18, epsilon=82025.10————————60.9———————————————————————————66.3———
AT+ADRArchitecture=WRN-34-10, Synthetic=None, Batch=128, Epoch=2002026.02——————86.11————55.26————————————————————————————
AT+DRAArchitecture=WRN-34-10, Synthetic=None, Batch=128, Epoch=2002026.02——————88.54————57.29————————————————————————————
AT+IKLArchitecture=WRN-34-10, Synthetic=None, Batch=128, Epoch=2002026.02——————84.8————57.09————————————————————————————
AWD + ASAMλawd=0.022, WRN=32-10, Aug=P&C, Epo=1002022.09——————88.55————54.04————————————————————————————
AWPArchitecture=WRN-28-10, Parameters (M)=36.5, FLOPs (G)=5.202022.12———————————60.04————————————————————————————
AWPWRN=32-10, Aug=P&C, Epo=100†2022.09——————57.55————53.08————————————————————————————
BaseModel=ResNet322026.06—————————————————————————————————————82.2893.4120.35
BaseModel=VGG162026.06—————————————————————————————————————70.6389.1823.06
C-LEADModel=Resnet50, epsilon=82025.10————————55.28—59.85—————————————————————————68.67———
Croce et al. (2022)Radius=l_inf: 2/255, l_2: 0.5, l_1: 122026.03——————87.2——————————64.155.455.473.3———————————————————
Croce et al. (2022)Radius=l_inf: 8/255, l_2: 1.5, l_1: 122026.03——————83.5——————————25.552.925.541———————————————————
DeepConfuseDefense Strategy=PGD-AT, Defense budget=8/2552022.01——————81.2548.2554.1448.0247.3444.79————————————————————————————