基于孪生结构的对抗样本攻击动态防御方法OA北大核心CSTPCD
Dynamic Defense Method Against Adversarial Example Attacks Based on Siamese Structure
神经网络模型已被广泛应用于多个研究领域,但神经网络模型本身存在易受到对抗样本攻击的缺点,如在图像分类中,只需在原始图片中添加微小的对抗扰动生成对抗样本,就可以轻易欺骗神经网络分类模型,这给许多领域的应用安全带来严重的威胁.因此,研究如何提高神经网络分类模型对对抗样本攻击的防御能力成为深度学习安全领域的研究热点.目前常用的对抗样本攻击防御方法往往只侧重于提高模型对对抗样本分类的鲁棒性,或者只侧重于检测拦截对抗样本,而对抗训练需要收集大量对抗样本,且…查看全部>>
熊夙;凌捷
广东工业大学 计算机学院,广州 510006广东工业大学 计算机学院,广州 510006
信息技术与安全科学
深度学习孪生神经网络图像分类对抗样本攻击
《计算机工程与应用》 2022 (17)
230-238,9
广东省重点领域研发计划项目(2019B010139002)广州市重点领域研发计划项目(202007010004).
评论