day00--对抗样本学习

接触对抗样本的第一天，主要从概念，结构，算法三个方面来了解。其中学习内容多来自以下几篇文章和博客，侵删。
算法：https://blog.csdn.net/sinat_29957455/article/details/80795656
概念：https://www.leiphone.com/news/201702/Jpb0uiOt9RTwcB8E.html?viewType=weixin
概念：http://www.sohu.com/a/230434686_651893
实现：https://www.kaggle.com/benhamner/adversarial-learning-challenges-getting-started/data

一、概念

是指数据集（图像数据集）经过优化改变其特性，而外表没有变化得到的数据集，分类时这些样本数据会分类错误，即所说的对抗样本。干净样本是原始数据集，能正确分类的样本。

二、如何生成对抗样本

生成对抗样本称为攻击过程，常见攻击算法有：FGSM、deepfool、BIM，最小基本迭代法、CW等。

三、如何防御对抗样本

所说的防御，主要指从数据集中，区分出干净样本和对抗样本。对于对抗样本的防御，方法也很多：图片去噪、训练分类模型、拒绝分类等。

注：小白，不当之处请指教orz