2018年10月31日

答疑
摘要： 1、对语音识别的对抗攻击 2、对抗样本细分方向： 如何找到一个更好的攻击方法，此方法不见得有多么鲁棒，但是一定要幅值最小。 因此需要找到一个幅值最小，能够跨越分类边界的样本。 3、防守方：如何证明鲁棒性，能不能证明在自然的某个范围内是肯定不会受到攻击的 4、如何将对抗样本和模型可解释性联系起来。 5 阅读全文
posted @ 2018-10-31 16:59 Josie_chen 阅读(133) 评论(0) 推荐(0) 编辑
八、对抗样本1
摘要： 参考自： https://blog.csdn.net/qq_16234613/article/details/79679393 定义 深度模型具有良好的泛化能力同时，也具有极高脆弱性。以分类为例：只需要通过故意添加细微的干扰所形成的输入样本（对抗样本），模型以高置信度给出了一个错误的输出。 当然这问 阅读全文
posted @ 2018-10-31 16:31 Josie_chen 阅读(1077) 评论(0) 推荐(0) 编辑
九、产生和防御对抗样本的新方法 | 分享总结--廖方舟（论文11）
摘要： 视频连接：http://www.mooc.ai/course/383/learn#lesson/2163 论文总结：http://ai.yanxishe.com/page/blogDetail/5357 对抗样本的攻防： 什么是对抗样本 adversarial examples 什么是对抗样本 ad 阅读全文
posted @ 2018-10-31 11:02 Josie_chen 阅读(1510) 评论(0) 推荐(0) 编辑

导航