【对抗攻击笔记】泰勒展开！进击の信任域！Trust Region Based Adversarial Attack on Neural Networks

论文链接：https://arxiv.org/abs/1812.06371?context=cs.LG

1 核心思想：

计算扰动前后的标签概率差与扰动带来的系统泰勒展开差值的比例，来判断当前约束大小是否合适。如果比例大，说明这个区域可以信任，继续增大扰动量，反之减小扰动量。

其中分母为：

2 工作：

将对抗攻击问题转化为TR优化问题，结果优于FGSM和deepfool，扰动小。（但deepfool速度更快）
TR-based攻击在迭代中自动调节扰动量级，不用人为调参。

3 算法：

4 结果：

希望路过这儿的你可以关注我一下~~我会定期更新一系列阅读笔记和总结，加入自己的见解和思路，希望能对你有用~