xunbaobao123的博客

高效的基于决策的黑盒攻击方法HSJA:HopSkipJumpAttack: A Query-Efficient Decision-Based Attack目录高效的基于决策的黑盒攻击方法HSJA:HopSkipJumpAttack: A Query-Efficient Decision-Based Attack一.介绍二.方法2.1 优化框架2.2 对于l2距离的一个迭代算法2.3 扩展到L∞距...

黑盒边界攻击：SIGN-OPT: A QUERY-EFFICIENT HARD-LABEL ADVERSARIAL ATTACK-ICLR 2020@[TOC]目录

可解释的对抗训练网络：Interpreting Adversarially Trained Convolutional Neural Networks-ICML 2019前言 最近在考虑做对抗样本可解释性方面的研究，之前没有接触过。今天要分享的这篇文章发表在ICML 2019上，我在实验室的组会中也进行了分享，因此接下来，将通过文字结合PPT的形式将内容分享给大家。一.背景 在...

一.摘要青少年特发性脊柱侧弯是青少年中最常见的脊柱疾病，全世界的患病率为0.5–5.2％。 脊柱侧弯筛查的传统方法很容易获得，但由于其较低的阳性预测值，因此需要不必要的转诊和放射线照相。 深度学习算法的应用具有减少脊柱侧弯筛查中不必要的转诊和成本的潜力。 在这里，我们开发并验证了深度学习算法，该算法可使用裸露的背部图像进行自动脊柱侧凸筛查。 该算法的准确性在检测脊柱侧弯，检测曲线≥20°的病例以...

摘要论文的重点是针对唤醒词检测系统提出的攻击方法，通过一些无法察觉的背景音乐干扰使得VAs(语音助手)无效，当存在对抗音频时。论文模拟实现了Amazon Alexa的唤醒检测系统，根据从现实世界收集的数百种语言样本，验证了所提出的对抗音频样本的有效性。实验表明，可以显著地将所模拟的唤醒检测模型的F1分数从93.4%降到11.0%，最后，还测试了在空气中的音频对抗样本，同样有效的将F1分数从92....

论文链接：https://arxiv.org/abs/1901.10300一.介绍文章提出了加权音频对抗样本的概念，着重于样本失真的数量及权重来加强攻击。此外，在损失函数中应用了降噪方法，以使对抗性攻击更加难以察觉。音频对抗样本已经被证明可以很好的扰乱ASR（Automatic speech recognition）系统，使任何输入的音频翻译为目标句子。然而生成音频对抗样本的过程要比图像对抗...

论文链接：https://arxiv.org/abs/1805.07475v1一.研究背景软件程序中的安全漏洞给计算机系统带来了严重的风险。 恶意用户利用这些漏洞可以破坏程序，迫使这些程序崩坏，或是暴露敏感用户信息等。每年都有数以千计的漏洞被公开报告给常见漏洞和披露数据（CVE），还有更多漏洞在内部通过专有代码发现并修补。因为这些漏洞通常是程序员工作的一些疏忽所导致的，所以它们的产生是不可避免...

论文链接：https://arxiv.org/abs/1711.05929前言进入研究生阶段的学习已经一年多了，在此期间阅读了不少论文，也大都有做下一些笔记。然而，出于自己的惰性，一直没有系统的将它们整理归纳起来。因此，从今天开始希望以每天一篇论文讲解的形式将自己过往阅读过的，感兴趣的，项目中所用到过的论文在博客上进行一次梳理。所谓温故而知新，在梳理的同时期许自己能够有新的收获，和大家一同成长...