weixin_45977237的博客

对抗性攻击包括在源图像上添加扰动，从而导致目标模型的错误分类，这表明了攻击人脸识别模型的潜力。现有的对抗人脸图像生成方法由于可移植性低、可检测性高，仍然不能达到令人满意的效果。在本文中，我们提出了一个统一的Adv-Diffusion框架，它可以在潜在空间而不是原始像素空间中产生难以察觉的对抗性身份扰动，利用潜在扩散模型的强大的绘画能力来生成真实的对抗性图像。

对抗性补丁攻击通常用于攻击航空图像目标探测器。然而，大多数现有的方法都是为白盒设置设计的，这在现实世界的场景中是不切实际的。在这项工作中，我们提出了一个使用差分进化(DE)针对航空图像目标检测器的黑盒对抗性补丁攻击的新框架。

该文章是博主学习了Java的面向对象、封装、继承与多态后进行的总结，欢迎各位小伙伴前来学习。

TnT攻击! 针对深度神经网络系统的通用自然对抗补丁

本文章是博主学习了Java的泛型与集合之后的一个学习总结或笔记，欢迎各位小伙伴学习、讨论和交流。

尽管深度学习在各种场景中受到了广泛关注，并取得了出色的性能，但它在一定程度上受到了对抗性样本的影响。特别是，物理攻击比数字攻击更具威胁。然而，现有的研究在无人机遥感图像（RSIs）的物理攻击方面关注较少。在本文中，我们仔细分析了遥感领域中针对多尺度对象的通用对抗性补丁攻击。RSIs 中对抗性攻击面临的挑战有两个方面。一方面，遥感图像中的对象数量多于自然图像。因此，当攻击 RSIs 的检测器时，一个对抗性补丁很难对所有对象显示出对抗性效果。

本文主要是计算机视觉中的，关于对抗性补丁攻击的论文，欢迎感兴趣和正在研究本方向的小伙伴们前来讨论学习。深度神经网络(dnn)在对抗性示例中的脆弱性引起了越来越多的关注。已经提出了许多算法来制作强大的对抗性示例。然而，这些算法大多修改了像素的全局或局部区域，而没有考虑网络解释。因此，扰动是冗余的，很容易被人眼检测到。本文提出了一种产生局部扰动的新方法。其主要思想是通过模拟人的注意力机制，找到图像的贡献特征区域，然后在CFR中加入扰动。

本文章将讲解一种最简单的图像分类算法，即K-最近邻算法（K-NearestNeighbor，KNN）。主要包括KNN算法的算法逻辑以及代码的实现。对于KNN算法，我们需要理解算法的原理，掌握距离度量的规则，以及归一化的影响。

本文章是Python入门基础学习的第一篇，后面会继续为大家更新，欢迎各位小伙伴一起来学习和讨论。随着社会的快速发展，计算机已经成为人们不可或缺的一部分，程序设计语言也称为众多计算机使用者掌握的技能，其中Python语言较为出众，就连国家教育部也在2018年将Python语言加入计算机二级考试当中，其次，因为Python可以帮助使用者快速的完成工作，因此有些企业或单位要求其员工会使用Python语言，可见Python语言学习的重要性。接下来让我们一起来进入本章的学习。