论文阅读笔记：Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey

qq_36356761

于 2018-03-14 08:32:51 发布

阅读量2.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： adversarial learning 文章标签： adversarial learning

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qq_36356761/article/details/79546618

这篇论文笔记探讨了针对深度学习计算机视觉的对抗性攻击问题，包括通用对抗性扰动、3D物理对抗样本的生成方法，如Box-constrained L-BFGS、FGSM、BIM、ILCM、JSMA、One Pixel Attack和C&W攻击等。此外，还讨论了针对这些攻击的防御策略——对抗训练。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文阅读笔记：Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey

要点

(universal adversarial perturbation)[1]
3D物理对抗样本

对抗样本生成

Box-constrained L-BFGS
$\min_{\rho}$
Fast Gradient Sign Method (FGSM)

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。