李宏毅机器学习之Attack and Defense

最新推荐文章于 2024-07-13 14:17:18 发布

loserChen.

最新推荐文章于 2024-07-13 14:17:18 发布

阅读量981

点赞数 1

分类专栏： 2019李宏毅机器学习文章标签：李宏毅机器学习 attack and defense

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_35564813/article/details/91351358

版权

本文探讨了机器学习模型的攻击与防御策略。重点介绍了无目标和有目标的攻击，以及不同约束条件下的攻击方法，如FGSM。同时，讨论了白盒和黑盒攻击的差异，并提出防御措施，包括被动防御的滤波和平滑化，以及主动防御的对抗性训练。

摘要由CSDN通过智能技术生成

李宏毅机器学习之Attack and Defense

机器训练出来的模型不光性能要强，还要能够对抗人类的恶意、攻击

在这里插入图片描述

通过人为地对图片加上噪声，使得分类产生错误。

在这里插入图片描述

无目标的攻击：就是使得结果与事实的距离越远越好
有目标的攻击：输出与答案距离越远越好的同时，还与指定的输出越接近越好
Constraint的限制可以简单理解为人眼看不出差别，但是机器可以给出完全不同的答案

在这里插入图片描述

一般对于限制的选择就是使用l2-norm与L-infinity，但是如上图右下角可知利用l2norm计算得到的 $d(x^0,x')$

最低0.47元/天解锁文章

关注

1
点赞
踩
7

收藏

觉得还不错? 一键收藏
0
评论
李宏毅机器学习之Attack and Defense

李宏毅机器学习之Attack and Defense机器训练出来的模型不光性能要强，还要能够对抗人类的恶意、攻击通过人为地对图片加上噪声，使得分类产生错误。无目标的攻击：就是使得结果与事实的距离越远越好有目标的攻击：输出与答案距离越远越好的同时，还与指定的输出越接近越好Constraint的限制可以简单理解为人眼看不出差别，但是机器可以给出完全不同的答案一般对于限制的选择就是...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。