في عالم الذكاء الاصطناعي، تعد الهجمات العدائية (Adversarial Attacks) واحدة من أكثر التحديات المثيرة للجدل التي تواجه الشبكات العصبية العميقة (Deep Neural Networks). يُعتبر اختيار معايير !p المسؤولة عن تحديد بنية هذه الهجمات قرارًا مهمًا، حيث يتم غالبًا استخدام القيم 1، 2 أو اللانهاية. ومع ذلك، فإن تأثير هذه الاختيارات على خصائص الهجمات ليس مُستكشفًا بالشكل الكافي.

تتناول هذه الدراسة الجديدة كيف يمكن أن يؤثر اختيار قيمة !p، ضمن النطاق [1، 2]، على صمود الهجمات وسلاستها. بفرض استخدام مقاييس ثابتة للصمود، يسعى الباحثون لتحديد القيم الأمثل لـ!p من خلال تجارب عملية مستندة إلى مجموعة متنوعة من قواعد بيانات الصور ونماذج بناءة مثل الشبكات الالتفافية (Convolutional Networks) والشبكات القائمة على المحولات (Transformer Networks).

النتائج تشير إلى أن القيم !p من 1.3 إلى 1.5 تقدم توازنًا مثاليًا بين الهجمات المتناثرة والسلسة، ما يؤكد أهمية اختيار المعايير بشكل سليم عند تصميم وتقييم الهجمات العدائية. تبرز هذه النتائج الحاجة إلى دراسة شاملة قبل اعتماد أي معيار، بهدف تحسين فعالية الشبكات العصبية في مواجهة هذه التهديدات.