lxk9409的博客

论文笔记—DeepSafe: A Data-driven Approach for Checking Adversarial Robustness in Neural NetworksDeepSafe方法1、对训练数据进行聚类do: input (X,y),k where k equals #(class of y) do K-Means on ...

论文笔记–Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images目标：生成人类完全无法识别，但DNN可以给出明确分类的图像。图片生成算法：进化算法（EA）：选择一张图片，进行随机变异，若对某类的置信度高于拥有当前该类最高置信度的图片，就将新生成的...

论文笔记–Universal Adversarial Perturbations目标：得到一些通用扰动，这些扰动不是针对某一样本的，而是可以对整个服从同一分布的数据集中的大部分样本进行干扰，使它们发生误分类。一、引入已经有大量研究表明，在很多情况下，给图片加一点小的扰动就会使分类器产生错误分类，这使得系统安全性下降，容易受到外部攻击。目前产生对抗样本的方法主要有优化、梯度上升、...

这一次的编程练习是实现神经网络的反向传播算法，并对手写数字数据集进行分类。Part1: Loading and Visualizing Data% Load Training Datafprintf('Loading and Visualizing Data ...\n')load('ex4data1.mat');m = size(X, 1);% Randomly sele...