[paper]ADVERSARIAL EXAMPLES IN THE PHYSICAL WORLD

本文指出在現實世界的場景下，機器學習系統也是非常脆弱的。並提出了BIM&ILCM算法，可用於現實世界場景下的對抗樣本生成。 論文主要內容： 探討了爲在物理世界中運行的機器學習系統創建對抗樣本的可能性 提出了兩種方法來生成對抗樣本，BIM&ILCM： 引入破壞率來表示現實世界中的變換對對抗樣本的影響 損失函數—交叉熵損失(這裏省略了網絡權重 θ \theta θ) J ( X , y ) = − l

>>阅读原文<<