404_Not__Found

思路：deepfool提出两种产生对抗样本的算法，二分类和多分类情况。并实验比较EOT、FGSM和deepfool三种算法的鲁棒性。

思路证明通过手机拍摄的图像也会被错误分类，即手机照片的对抗性仍然存在，使用ImageNet Inception分类器。原图像到对抗样本的转换公式，对z值加扰动，x原图像，三通道的图片，只在Z方向上加の。一、对Z添加扰动的两种方法（1）快速方法FGSM：（2）基本迭代方法BIM：对每个像素使用小步长，clip之后的像素是原来的邻居，a=1，每步改变1。对抗性生成目标类的标准：...

接触对抗样本的第一天，主要从概念，结构，算法三个方面来了解。其中学习内容多来自以下几篇文章和博客，侵删。算法：https://blog.youkuaiyun.com/sinat_29957455/article/details/80795656概念：https://www.leiphone.com/news/201702/Jpb0uiOt9RTwcB8E.html?viewType=weixin概念：h...

昨天嗓子痛，晚上在实验室着实待不下去了，遂溜，今晚补更今天主要看论文EXPLAINING AND HARNESSING ADVERSARIAL EXAMPLES（解释和治理对抗样本）欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改...

攻击模型：Inception v3 数据集：ImageNet 原有预分类模型：TF-slim图像分类库接论文synthesizing-robust-adversarial-examples https://arxiv.org/abs/1707.07397（综合强大的对抗样本）代码：http://www.anishathalye.com/media/2017/07/25/adversari...

1、论文思路使用三种数据集Minist，ImageNet和YouTube中的图片，对应三种网络结构，说明神经网络的反直觉特性。三种网络结构：FC：多个隐含层和一个softmax；AlexNet；QuocNet：具有10亿个可学习参数的无监督训练网络。2、反直觉特性（1）单个神经元和神经元线性组合没有区别，最后一个特征层构成区别的基础。（2）输入输出映射不连续，优化扰动可以最大化...