FGSM：从另一个角度观察BP模型 （附源码）

什么是FGSM

Fast Gradient Sign Attatck(FGSM) 是一种很直观的迷惑基于BP算法训练出的模型的攻击方法， 出自 Explaining and Harnessing Adversarial Examples。基于FGSM的攻击需要了解目标模型内部细节，其目的也只是降低目标模型的分类精度，并不能控制模型误分后的结果。

上图是一个FGSM的例子，左侧第一幅图x可以被目标模型正确识别成熊猫，置信度57.7%。中间的图是模型误差对图像x的梯度图像，这个图像和原图相加后，尽管人眼看上取差别不大（扰动幅度只有0.007），但是目标模型却误判成了gibbon（长臂猿），而且置信度达到99.3%。
这个例子展示了FGSM的思路：

• 计算模型error相对于输入数据的梯度
  forward($dat{a}_{old}$)
  grad = backword( d a t a