对抗机器学习

cover

针对图像检索的通用扰动攻击

对抗机器学习

通用对抗性扰动（UAP，Universal adversarial perturbation），也称为输入不可知扰动（input-agnostic perturbation），已被证明存在并且能够欺骗大量数据样本上最先进的深度学习模型。现有的UAP方法主要集中在攻击图像分类模型上。

CDra90n
2020-03-26 15:41:33

863754次阅读

cover

欺骗自动监控摄像头：利用对抗性图像块攻击人体检测

对抗机器学习

在过去的几年中，对机器学习模型的对抗攻击越来越引起人们的兴趣。通过仅对卷积神经网络的输入进行细微更改，可以输出完全不同的结果。最初的攻击是通过稍微改变输入图像的像素值来欺骗分类器以输出错误类来实现的。

CDra90n
2020-03-25 11:15:51

676483次阅读