25、智能医疗与气体传感：对抗攻击与纳米复合传感器的研究进展

智能医疗与气体传感：对抗攻击与纳米复合传感器的研究进展

智能医疗中对抗机器学习攻击的研究

在智能医疗领域，机器学习模型的安全性至关重要。研究人员对基于卷积神经网络（CNN）的图像分类模型进行了实验，以评估对抗攻击对模型性能的影响。

1. 攻击对模型性能的影响
   • 在实验中，使用FGSM攻击对模型进行测试。对于“良性”图像，真阳性率仅为10%（15张图像），而假阳性率高达90%（135张图像）；在“恶性”部分，假阴性率为88%（132张图像），真阴性率为12%（18张图像）。
   • 通过计算模型的准确率发现，攻击前模型的准确率为88%，而遭受攻击后，模型的准确率骤降至11%。这表明FGSM攻击显著降低了模型的性能和准确性。

图像类型	真阳性率	假阳性率	假阴性率	真阴性率
良性	10%（15张）	90%（135张）	-	-
恶性	-	-	88%（132张）	12%（18张）