首個通用對抗攻擊樣本庫 DAmageNet

背景 對抗攻擊能夠生成與原圖非常接近，但被神經網絡以高置信度錯分的樣本，對於網絡的穩健性分析與提升都具有重要的意義，成爲了近年來的研究重點。當前大部分對抗攻擊屬於白盒攻擊，即需要完全知道被攻擊網絡的參數與特性。黑盒攻擊的研究取得了一些進展，但仍需多次訪問黑盒模型，或依賴被攻擊網絡與己方網絡間的強相似性。因此，迄今的攻擊方法無法產生通用攻擊樣本數據庫。 數據集 通過對網絡共同語義弱點的分析，我們成功

>>阅读原文<<