论文推荐：Minimally distorted Adversarial Examples with a Fast Adaptive Boundary Attack

ICML 2020 论文推荐：
论文名称：Minimally distorted Adversarial Examples with a Fast Adaptive Boundary Attack
推荐理由：作者称针对基于神经网络的分类器的对抗操作，其鲁棒性评估主要是通过经验性攻击进行测试的，因为即使有可用的精确计算方法也无法扩展到大型网络。作者提出了一种新的针对p为1, 2和正无穷的lp范数的白盒对抗攻击，旨在找到改变给定输入的所属类所需的最小扰动。它有一个直观的几何意义，是能快速产生高质量的结果，且最大限度地减少扰动的大小（因此只需一次的运行就可以在所有可能的阈值下评估鲁棒性的精度）。这种方案的性能优于或类似于目前最先进的部分专门针对lp范数的攻击，并且对梯度掩蔽现象具有鲁棒性。

论文链接：https://www.aminer.cn/pub/5d1dce4b3a55ac56ce82a597/minimally-distorted-adversarial-examples-with-a-fast-adaptive-boundary-attack?conf=icml2020

会议链接：https://www.aminer.cn/conf/icml2020

订阅了解更多论文信息，定制您的个人科研动态信息流：https://www.aminer.cn/user/notification

#AMiner##论文#