3.22 蓝桥杯+论文

前缀和和差分

一维差分

举例

原始数据 a[]： 2 4 5 9 3
差分 p[]： 2 2 1 4 -6 -3

p[i] = a[i]-a[i-1]
如果a[2]~a[4]均加1
p[2] +1 , p[5]-1

差分 p[]： 2 2 2 4 -6 -2
原始数据 a[]： 2 4 6 10 4

a[i]=p[i]+a[i-1]

二维差分

举例

原始数据 a[]：
2 4 5
2 1 7
1 3 2
差分 p[]：
2 2 1
0 -3 5
-1 3 -7

p[i][j] = a[i][j] - a[i-1][j] - a[i][j-1] + a[i-1][j];

如果a[1][1] ~a[2][2] 均加1

p[x1][y1] += 1;
p[x2+1][y1] -= 1;
p[x1][y2+1] -= 1;
p[x2+1][y2+1] += 1;

差分 p[]：
3 2 0
0 -3 5
-2 3 -6
原始数据 a[]：
3 5 5
3 2 7
1 3 2

p[i][j] = p[i][j] + p[i-1][j] + p[i][j-1] - p[i-1][j-1];

论文

Dual-Mode Method for Generating Adversarial Examples to Attack Deep Neural Networks

生成对抗样本需要满足两个条件：

• 失真度最小
• 分类错误

双模式
mode1:考虑失真程度
mode0:不考虑失真程度，快速生成对抗样本

$$F_p=g\ast los{s}_D(x,x^{\ast })+c\ast los{s}_A(x^{\ast })$$
$los{s}_D$：是失真函数
$los{s}_A$：是攻击的损失函数
$g$：控制双模，0或1
$c$：相对权重，使用二分搜索，增加$c$的值，使成功攻击率达到100%