本文指出在现实世界的场景下,机器学习系统也是非常脆弱的。并提出了BIM&ILCM算法,可用于现实世界场景下的对抗样本生成。
论文主要内容:
- 探讨了为在物理世界中运行的机器学习系统创建对抗样本的可能性
- 提出了两种方法来生成对抗样本,BIM&ILCM:
- 引入破坏率来表示现实世界中的变换对对抗样本的影响
损失函数—交叉熵损失(这里省略了网络权重 θ \theta θ)
J ( X , y ) = − l o g P ( y ∣ X ) J(X,y)=-logP(y|X) J(X,y)=−logP(y∣X)
Clip函数— C l i p x , ϵ X ′ Clip_{x,\epsilon }{
{X~{'}}} Clipx,ϵX