qq_38037870的博客

1.CW攻击算法 - 搜索结果 - 知乎2.对抗攻击经典论文剖析（上）【FGSM、BIM、PGD、Carlini and Wagner Attacks (C&W)】_BugLess++的博客-优快云博客_pgd攻击3.对抗攻击8——CW(Carlini & Wagner)_鬼道2022的博客-优快云博客_cw攻击4.CW Attack论文阅读与总结_超自信面包QTQ的博客-优快云博客_cw论文5.[中文讲解] Towards Evaluating the Robustn

1.参考 1111在求对线性二分类器的最小扰动中，原文图如下。这里是二维平面，所以看图理解的时候应把样本看成有两个特征（分别沿横纵轴取值）；决策超平面是一条直线wx+b=0。最小扰动向量的大小是从样本到决策超平面的距离，方向与超平面的法向量相反）...

Goodfellow等人认为高维空间下的线性行为足以产生对抗样本，对抗样本的线性解释：常见的数据图像大部分表示成1-255,8bit/像素点的形式，在原始样本上加小小的扰动就会被误分类。现在我们有：当存在一个小到可忽略的ε满足∥η∥∞<ε，我们期望分类器对这两个样本的分类结果一致，然而……现在考虑加入权值向量ω 信息，则：（权向量是带了权值的向量）对抗扰动通过ωTηωTη影响激活函数从而影响分类结果。如果ωω有nn个维度，权向量的一个元素的平均大小是mm，那么激活函数就会增加εmnεmn