【Light | 揭露病理基础模型安全隐患】✨近日，加州大学洛杉矶分校（UCLA）Aydogan Ozcan教授团队在《Light: Science & Applications》上发表论文，提出了一种名为通用可迁移对抗扰动（Universal and Transferable Adversarial Perturbations, UTAP）的攻击框架，仅需一个经过优化的微观噪声图案，就能系统性地破坏多种病理学基础模型的特征表达能力，且该攻击对从未见过的外部模型也具有高度迁移性。这一发现敲响了AI临床安全应用的警钟，凸显出在光学显微镜与病理学AI部署中建立稳健防御机制的迫切需求。【点击链接阅读原文：http://t.cn/AXXIDhXT】
#Light: Science & Applications##美国加州大学洛杉矶分校##光学显微镜##光学#