- 博客(3)
- 收藏
- 关注
原创 对抗样本(论文解读十三):机器学习模型可解释性方法、应用与安全研究综述
机器学习模型可解释性方法、应用与安全研究综述纪守领1 李进锋1 杜天宇1 李 博21(浙江大学计算机科学与技术学院网络空间安全研究中心 杭州 310027)2(伊利诺伊大学香槟分校计算机科学学院 美国伊利诸伊州厄巴纳香槟 61822)这是一篇中文核心期刊文章,收稿于2019-06-11,发表于计算机研究与发展。这一篇文章总结的主要是模型的可解释性相关知识,但是同样涉及到了对抗样本相关的研究,所以对于对抗样本的相关攻防,同样具有比较大的参考价值。文章介绍:在本文中,我们首先详细地阐述可解释性
2020-05-11 15:34:25 4044 1
原创 对抗样本(论文解读十二): Imagenet-trained cnns are Biased towards Texture; Increasing Shape Bias Improves
Imagenet-trained cnns are Biased towards Texture; Increasing Shape Bias Improves Accuracy And RobustnessRobertGeirhos University of T¨ubingen & IMPRS-IS robert.geirhos@bethgelab.orgPatriciaRubisch University of T¨ubingen & U. of Edinburgh p.rubis
2020-05-09 16:37:53 1152
原创 对抗样本(论文解读十一):PatchAttack: A Black-box Texture-based Attack with Reinforcement Learning
PatchAttack: A Black-box Texture-based Attack with Reinforcement LearningChenglin Yang, Adam Kortylewski, Cihang Xie, Yinzhi Cao, and Alan YuilleJohns Hopkins University通过强化学习实现一个基于纹理的黑盒攻击这是一篇比较新的对抗块攻击的相关文章,发布于arxiv:2020.04.12, 头几天刚在组会上分享了相关论文,今天在这里简单分
2020-05-08 19:17:07 1787 3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人