यह शोधपत्र डीप न्यूरल नेटवर्क्स की प्रतिकूल उदाहरणों के प्रति संवेदनशीलता को दूर करने के लिए एक नवीन विधि, प्रोग्रेसिव ऑटो-रिग्रेशन एडवगन (PAR-AdvGAN) प्रस्तुत करता है। एडवगन जैसी मौजूदा GAN-आधारित विधियों की एकल पुनरावृत्ति में प्रतिकूल उदाहरण उत्पन्न करने की सीमाओं को दूर करने के लिए, PAR-AdvGAN उन्नत आक्रमण क्षमताओं के साथ प्रतिकूल उदाहरण उत्पन्न करने हेतु एक स्वतः-प्रतिगामी पुनरावृत्तीय तंत्र प्रस्तुत करता है। व्यापक प्रयोगों के माध्यम से, हम विभिन्न अत्याधुनिक ब्लैक-बॉक्स प्रतिकूल हमलों के विरुद्ध बेहतर प्रदर्शन प्रदर्शित करते हैं और मौजूदा एडवगन की तुलना में, इनसेप्शन-v3 मॉडल पर प्रतिकूल उदाहरण निर्माण को 335.5 फ्रेम/सेकंड तक बढ़ा देते हैं।
