对抗学习 学习笔记

师兄整理的列表：

https://github.com/Guo-Yunzhe/Adversarial_Learning_Paper

https://gitee.com/guoyunzhe/Adversarial_Learning_Survey

FGSM生成对抗样本的试写：

https://github.com/Guo-Yunzhe/adversarial_machine_learning

已看完：

* Intriguing Properties of Neural Networks,2013 （对抗样本在NN）

【https://www.cnblogs.com/lainey/p/8552422.html】

深度学习笔记 （bp，卷积层，池化层，全连接层，激活函数层，softmax层的前向反向实现）（看完文字）

【https://blog.csdn.net/l691899397/article/category/6366964】 

* Explaining and Harnessing Adversarial Examples （如何生成对抗样本？FGSM）

【https://zhuanlan.zhihu.com/p/32784766 https://zhuanlan.zhihu.com/p/33875223 文章总结】【https://blog.csdn.net/u014038273/article/details/78773515 FGSM小结】

* Visualizing and Understanding Convolutional Networks.CVPR2014 （CNN可视化）

【https://blog.csdn.net/tina_ttl/article/details/52048765】

* Adversarial Machine Learning, 2011（2011年的一个综述，对攻击机器学习的方法/目的作的一个分类/防御者弱点分析/攻击者限制）

* Adversarial Machine Learning at Scale, ICLR 2017（对抗学习在大尺度数据集上的应用，增加鲁棒性，标签泄露）

【https://blog.csdn.net/kearney1995/article/details/79789899】

* Adversarial examples in the physical world（上一篇的姊妹篇，比较的生成对抗样本的方法类型差不多，有更详细的表述。物理世界中的对抗样本，有打印重照、亮度对比度等调整）

【https://blog.csdn.net/u010710787/article/details/78916762】