day01--对抗样本学习-论文阅读

对抗样本的学习拖了很多天，最近补上。
今天主要看了一篇论文和对论文的复现，附上论文链接和代码
synthesizing-robust-adversarial-examples https://arxiv.org/abs/1707.07397
（综合强大的对抗样本）
代码搬运：https://github.com/prabhant/synthesizing-robust-adversarial-examples

摘要

实现对抗性的算法，并在三维中证明存在，3D打印出来的物体具有对抗样本的性质。

实验结果

3D打印的乌龟一直被分类为步枪，而正常乌龟则分类正常。

本文创新点：

1、 引入EOT期望转换算法，并证明有效
2、 3D渲染得到的实物具有对抗性

EOT（Expectation Over Transformation期望转换）

最大化目标类的对数似然，将每一个像素都归一化到【0,1】。原始输入X，函数P（），X撇更改后的输入，yt目标类，公式如下：


EOT算法限制原始输入和目标输入的距离（小于の值），使得原始X不会更改过大。将x和x撇距离最小化，使