对抗样本论文总结

最新推荐文章于 2023-03-21 15:26:29 发布

weixin_33770878

最新推荐文章于 2023-03-21 15:26:29 发布

阅读量651

点赞数

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/Josie-chen/p/9957133.html

本文综述了对抗样本在深度学习领域的研究进展，包括Karparthy的ImageNet分类器破解、Christian等人提出的对抗性示例特性、Ian Goodfellow对对抗样本的解释、Bengio团队在现实世界图像中发现的对抗性特性、Anh Nguyen等人提出的愚弄性示例，以及对抗样本的可转移性和黑盒攻击。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

[1]Karparthy博客 Breaking Linear Classifiers on ImageNet

http://karpathy.github.io/2015/03/30/breaking-convnets/

[2]Christian等人在ICLR2014最先提出adversarial examples的论文Intriguing properties of neural networks

论文下载到本地的第3篇

[3]Ian Goodfellow对对抗样本解释的论文Explaining and Harnessing Adversarial Examples

论文下载到本地的第5篇

[4]最近Bengio他们组发文表示就算是从相机自然采集的图像，也会有这种特性Adversarial examples in the physical world

论文下载到本地第4篇

[5]Anh Nguyen等人在CVPR2015上首次提出Fooling Examples的论文Deep Neural Networks are Easily Fooled: High Confidence Predictions for Unrecognizable Images
https://arxiv.org/pdf/1412.1897.pdf

下载为本地论文第18篇

[6]Delving into Transferable Adversarial Examples and Black-box Attacks

论文下载到本地的第17篇

对抗样本可转移性与黑盒攻击_学习笔记：https://blog.csdn.net/qq_35414569/article/details/82383788

转载于:https://www.cnblogs.com/Josie-chen/p/9957133.html