目录
1.Example
给Benigh Image加些非常小的杂讯,叫做攻击,目的是让Network输出其他东西
2.How to Attack
目的是让输出与之间区别越大越好,取负号越小越好算Loss Function
现在还希望y与越近越好,即不光cat的几率越低越好,fish的几率越高越好
同时我们希望x与x0之间的差距小于等于一个阈值(人类分辨不出来)
3.Non-perceivable
对人类而言,对L-infinity的感知力是最大的,让L-infinity小更好,当作限制。
4.Attack Approach
与过去的Gradient Descent不同的是,以前是修改参数,现在是修改Input。
如果修改input后超过限制了,那就在范围内找一个最近的点修改。
Fast Gradient Sign Method(FGSM)
sign的意思是如果括号里的值>0则为1,反之则为-1
令为,则每次的值必在限制内。
如果经过几次iteration后,x出了范围内,则看L-infinity四边形哪个角落离x最近,就回到那个角。