Neues Paper: Adversariale Angriffe durch exponentielle Dimensionalitätsdeviance
In einer kürzlich veröffentlichten Studie auf arXiv (2603.03507v1) wird ein neues Konzept vorgestellt, das die Ursache für die anhaltende Problematik von adversarial attacks – also unsichtbare Eingabeveränderungen, die neuronale Netzwerke täuschen – erklärt. Der Autor definiert den sogenannten Perzeptuellen Manifold (PM), also den Raum aller Eingaben, denen ein Netzwerk mit hoher Sicherheit eine bestimmte Klasse zuordnet.
Die Ergebnisse sind überraschend: Die Dimensionen der PMs von neuronalen Netzwerken sind um ein Vielfaches höher als die Dimensionen natürlicher menschlicher Konzepte. Da das Volumen mit der Dimension exponentiell wächst, entsteht ein enormes Missverhältnis zwischen Maschinen und Menschen. Das bedeutet, dass ein Netzwerk für jede Klasse eine riesige Menge an Eingaben als zugehörig erkennt – viele davon, die für Menschen völlig unpassend sind.
Dieses Missverhältnis liefert eine elegante geometrische Erklärung für die Entstehung von adversarial examples: Da der PM eines Netzwerks einen so großen Teil des Eingaberaums einnimmt, liegt jede Eingabe sehr nahe an jedem Klassen-PM. Damit wird klar, dass echte Robustheit nur erreicht werden kann, wenn die Dimensionen von Maschinen- und Menschen-PMs ausgerichtet werden.
Die Autoren haben diese Hypothese anhand von 18 unterschiedlichen Netzwerken getestet, die verschiedene Grade an robuster Genauigkeit aufweisen. Dabei zeigte sich, dass selbst die robustesten Modelle immer noch exponentiell misaligned sind. Nur bei wenigen PMs, deren Dimensionen sich an die menschlichen Konzepte annähern, findet eine echte Ausrichtung statt.
Die Studie verbindet die Themen Alignment und adversarial Robustness auf eine Weise, die sowohl theoretisch fundiert als auch praktisch relevant ist. Sie liefert klare Vorhersagen – robuste Genauigkeit und Abstand zu einem PM korrelieren negativ mit der PM-Dimension – und legt damit einen wichtigen Schritt in Richtung besserer, menschlich ausgerichteter KI-Modelle nahe.